Fugu-MT 論文翻訳(概要): Language-Specific Sentiment Polarity Biases in Encoder and Large Language Model Classification of Product Reviews

論文の概要: Language-Specific Sentiment Polarity Biases in Encoder and Large Language Model Classification of Product Reviews

arxiv url: http://arxiv.org/abs/2606.22745v1
Date: Mon, 22 Jun 2026 01:16:04 GMT
ステータス: 情報取得中
システム内更新日: 2026-06-23 15:04:22.33013
Title: Language-Specific Sentiment Polarity Biases in Encoder and Large Language Model Classification of Product Reviews
Title（参考訳）: エンコーダにおける言語特異的感性極性バイアスと製品レビューの大規模言語モデル分類
Authors: Advita Rajiv, Kavitha Kothur, Gautham Reddy,
Abstract要約: 大規模言語モデルはフランス語では負のバイアスを示し、否定的なレビューではより正確である一方、エンコーダモデルは日本語では正のバイアスを示し、間接的な批判を用いる否定的なレビューは欠落している。これらの言語固有の極性バイアスは、多言語感情分析システムを展開するソーシャルドメインとビジネスドメインの両方に影響を及ぼす。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: This study investigates sentiment polarity biases, specifically, differences in how accurately AI models classify positive versus negative reviews across languages and model architectures. Large language models show a negative bias in French and are more accurate on negative reviews, while encoder models exhibit positive bias in Japanese, missing negative reviews that use indirect criticism. These language-specific polarity biases have implications in both social and business domains deploying multilingual sentiment analysis systems.
Abstract（参考訳）: 本研究では、感情の極性バイアス、具体的には、AIモデルが言語やモデルアーキテクチャ間で正と負のレビューをどの程度正確に分類するかの相違について検討する。大規模言語モデルはフランス語では負のバイアスを示し、否定的なレビューではより正確である一方、エンコーダモデルは日本語では正のバイアスを示し、間接的な批判を用いる否定的なレビューは欠落している。これらの言語固有の極性バイアスは、多言語感情分析システムを展開するソーシャルドメインとビジネスドメインの両方に影響を及ぼす。

関連論文リスト

Cross-Language Bias Examination in Large Language Models [37.21579885190632]
本研究では,大規模言語モデルにおけるバイアス評価のための,革新的な多言語バイアス評価フレームワークを提案する。プロンプトと単語リストを5つの対象言語に翻訳することにより、言語間で異なる種類のバイアスを比較する。例えば、アラビア語とスペイン語はステレオタイプバイアスのレベルが常に高く、中国語と英語はバイアスのレベルが低い。
論文参考訳（メタデータ） (2025-12-17T23:22:03Z)
A Multifaceted Analysis of Negative Bias in Large Language Models through the Lens of Parametric Knowledge [48.00855840536793]
負のバイアスとは、二分決定タスクにおいて負の反応を過度に生成する大きな言語モデルの傾向を指す。大規模言語モデルでは, 形式レベルの負のバイアスが示され, つまり, プロンプト形式は, 負の応答のセマンティクスよりも応答に強く影響している。モデルがイエスノー質問に答える十分な知識を欠いた場合、負の応答を生じる傾向にあるショートカットの挙動を同定する。
論文参考訳（メタデータ） (2025-11-14T01:18:18Z)
BIPOLAR: Polarization-based granular framework for LLM bias evaluation [0.0]
本研究では,大規模言語モデルにおける偏光関連バイアスを評価するために,再利用性,粒度,トピックに依存しないフレームワークを提案する。我々のアプローチは、偏極感性感情メトリクスと、競合関連文の合成的に生成されたバランスの取れたデータセットを組み合わせる。ケーススタディでは、ロシアとウクライナの戦争に焦点を当てた合成データセットを作成し、いくつかのLSMのバイアスを評価した。
論文参考訳（メタデータ） (2025-08-14T20:44:19Z)
Bias Attribution in Filipino Language Models: Extending a Bias Interpretability Metric for Application on Agglutinative Languages [8.58480189544444]
言語モデルの実装に情報理論バイアス属性スコアを適応させる。フィリピンのモデルは、人、物、関係に関連する言葉によって偏見を向けられていることを示す。これらの知見は、英語と非英語のモデルが、社会デマログラフ群と偏見に関連する入力をどのように処理するかの相違を示唆している。
論文参考訳（メタデータ） (2025-06-08T18:13:18Z)
Beyond Early-Token Bias: Model-Specific and Language-Specific Position Effects in Multilingual LLMs [50.07451351559251]
我々は,5言語(英語,ロシア語,ドイツ語,ヒンディー語,ベトナム語)にまたがる調査を行った。位置バイアスが即時戦略とどのように相互作用し、出力エントロピーに影響を及ぼすかを検討する。
論文参考訳（メタデータ） (2025-05-22T02:23:00Z)
GPTBIAS: A Comprehensive Framework for Evaluating Bias in Large Language Models [83.30078426829627]
大規模言語モデル(LLM)は人気を集め、大規模なユーザコミュニティで広く採用されている。既存の評価手法には多くの制約があり、それらの結果は限定的な解釈可能性を示している。本稿では,LPMの高性能性を活用し,モデル内のバイアスを評価するGPTBIASというバイアス評価フレームワークを提案する。
論文参考訳（メタデータ） (2023-12-11T12:02:14Z)
Comparing Biases and the Impact of Multilingual Training across Multiple Languages [70.84047257764405]
ダウンストリーム感情分析タスクにおいて,イタリア語,中国語,英語,ヘブライ語,スペイン語のバイアス分析を行う。我々は、既存の感情バイアスのテンプレートを、人種、宗教、国籍、性別の4つの属性で、イタリア語、中国語、ヘブライ語、スペイン語に適応させる。以上の結果から,各言語の文化に支配的な集団の嗜好など,バイアス表現の類似性を明らかにした。
論文参考訳（メタデータ） (2023-05-18T18:15:07Z)
Transformers in the loop: Polarity in neural models of language [0.20305676256390934]
我々は2つの事前学習されたトランスフォーマーモデルにおいて、いわゆる「負極性アイテム」を介して極性を探索する。言語モデルから得られたメトリクスは、言語理論の予測よりも、心理言語実験のデータと一致していることを示す。
論文参考訳（メタデータ） (2021-09-08T20:56:32Z)
Understanding by Understanding Not: Modeling Negation in Language Models [81.21351681735973]
否定は自然言語の中核構造である。本稿では,否定された総称文に基づく不一致目的を用いて,言語モデリング目標の強化を提案する。否定されたLAMAデータセットの平均top1エラー率を4%に削減します。
論文参考訳（メタデータ） (2021-05-07T21:58:35Z)
On Negative Interference in Multilingual Models: Findings and A Meta-Learning Treatment [59.995385574274785]
従来の信念に反して、負の干渉は低リソース言語にも影響を及ぼすことを示す。メタ学習アルゴリズムは、より優れた言語間変換性を得、負の干渉を軽減する。
論文参考訳（メタデータ） (2020-10-06T20:48:58Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。