論文の概要: Estimating Grammatical Gender Directions in Contextual Embeddings under Controlled and Natural Contexts

• arxiv url: http://arxiv.org/abs/2606.30152v1
• Date: Mon, 29 Jun 2026 11:29:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-30 18:07:16.205104
• Title: Estimating Grammatical Gender Directions in Contextual Embeddings under Controlled and Natural Contexts
• Title（参考訳）: 自然環境下における文脈埋め込みにおける文法的ジェンダー方向の推定
• Abstract要約: 文脈埋め込みのための意味的汚染から文法的ジェンダーを遠ざけようとする最初の試みを行う。 制御されたテンプレートと自然なウィキペディアのコンテキストの両方を構築し、不定名詞のバランスの取れたデータセットを構築します。 代名詞における文法的ジェンダーの漏えいの抑制と、職業用語における意味的ジェンダーの区別の保存のバランスをとるために、二重目的性評価指標のセットを提案する。
• 参考スコア（独自算出の注目度）: 5.65924130016053
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Contextual language models conflate grammatical gender and social semantic bias in gendered languages such as Spanish. Existing gender debiasing approaches only operate on static word embeddings leaving contextual representations unexplored for this two dimensional gender disentanglement. To address the this issue, we make the first attempt to disentangle grammatical gender from semantic contamination for contextual embeddings. We construct both controlled templates and natural Wikipedia contexts to build balanced datasets of inanimate nouns, and design a framework equipped with centroid, Support Vector Machine (SVM) and Linear Discriminant Analysis (LDA) gender direction estimators as well as contamination-aware weighting strategies. A set of dual-objective evaluation metrics is proposed to balance the suppression of grammatical gender leakage on inanimate nouns and the preservation of semantic gender distinctions for occupation terms. The results reveal that unweighted controlled contexts yield the purest grammatical gender direction, and the centroid estimator achieves better performance than discriminative baselines.
• Abstract（参考訳）: 文脈言語モデルは、スペイン語のようなジェンダー付き言語における文法的ジェンダーと社会的意味バイアスを詳述する。 既存のジェンダー・デバイアス・アプローチは、この2次元のジェンダー・ディアンタングメントのために探索されていない文脈表現を残した静的な単語の埋め込みにのみ作用する。 この問題に対処するため、文脈埋め込みのための意味的汚染から文法的ジェンダーを分離する最初の試みを行う。 制御されたテンプレートと自然なウィキペディアのコンテキストの両方を構築して、不特定名詞のバランスの取れたデータセットを構築し、Centroid、Support Vector Machine(SVM)、LDA(Linear Discriminant Analysis)の性別方向推定器と汚染対応重み付け戦略を備えたフレームワークを設計する。 代名詞における文法的ジェンダーの漏えいの抑制と、職業用語における意味的ジェンダーの区別の保存のバランスをとるために、二重目的性評価指標のセットを提案する。 その結果、未重み付き制御された文脈は、最も純粋な文法的ジェンダーの方向となり、センチロイド推定器は判別基準よりも優れた性能が得られることがわかった。

関連論文リスト

• Lost in Translation? Exploring the Shift in Grammatical Gender from Latin to Occitan [2.321414033822442]
  本稿では,この現象を語彙レベルと文脈レベルで解析するための解釈可能なディープラーニングフレームワークを提案する。 従来のトークン化戦略は、この低リソースの歴史的環境において不十分に堅牢であることを示す。 我々は、文法的ジェンダー予測に対する様々な音声カテゴリーの貢献を定量化する。
  論文  参考訳（メタデータ） (2026-05-09T20:36:49Z)
• GAMBIT+: A Challenge Set for Evaluating Gender Bias in Machine Translation Quality Estimation Metrics [18.766033854102663]
  機械翻訳(MT)システムにおけるジェンダーバイアスは広範囲に記録されているが、自動品質推定(QE)メトリクスのバイアスは比較的過小評価されている。 既存の研究では、QEメトリクスは性別バイアスも示せるが、ほとんどの分析は小さなデータセット、狭い職業範囲、制限された言語多様性によって制限されている。 本稿では,ジェンダーのあいまいな職業用語を含む翻訳を評価する際に,QE指標の振る舞いを調査するための大規模課題セットを提案する。
  論文  参考訳（メタデータ） (2025-10-08T10:09:03Z)
• Identifying Gender Stereotypes and Biases in Automated Translation from English to Italian using Similarity Networks [0.25049267048783647]
  本論文は,自動翻訳システムにおけるステレオタイプとバイアスを評価するために,言語学,法学,計算機科学の協力的な取り組みである。 ジェンダーインクルージョンを促進し,機械翻訳の客観性を向上させる手段として,ジェンダーニュートラル翻訳を提唱する。
  論文  参考訳（メタデータ） (2025-02-17T09:55:32Z)
• Beyond Binary Gender: Evaluating Gender-Inclusive Machine Translation with Ambiguous Attitude Words [85.48043537327258]
  既存の機械翻訳の性別バイアス評価は主に男性と女性の性別に焦点を当てている。 本研究では,AmbGIMT (Gender-Inclusive Machine Translation with Ambiguous attitude words) のベンチマークを示す。 本研究では,感情的態度スコア(EAS)に基づく性別バイアス評価手法を提案する。
  論文  参考訳（メタデータ） (2024-07-23T08:13:51Z)
• Leveraging Large Language Models to Measure Gender Representation Bias in Gendered Language Corpora [9.959039325564744]
  大規模言語モデル(LLM)は、しばしば、トレーニングデータに埋め込まれた社会的バイアスを継承し、増幅する。 性バイアスとは、特定の役割や特性と特定の性別の関連性である。 ジェンダー表現バイアスは、性別の異なる個人への参照の不平等な頻度である。
  論文  参考訳（メタデータ） (2024-06-19T16:30:58Z)
• VisoGender: A dataset for benchmarking gender bias in image-text pronoun resolution [80.57383975987676]
  VisoGenderは、視覚言語モデルで性別バイアスをベンチマークするための新しいデータセットである。 We focus to occupation-related biases in a hegemonic system of binary gender, inspired by Winograd and Winogender schemas。 我々は、最先端の視覚言語モデルをいくつかベンチマークし、それらが複雑な場面における二項性解消のバイアスを示すことを発見した。
  論文  参考訳（メタデータ） (2023-06-21T17:59:51Z)
• Counter-GAP: Counterfactual Bias Evaluation through Gendered Ambiguous Pronouns [53.62845317039185]
  バイアス測定データセットは、言語モデルのバイアスされた振る舞いを検出する上で重要な役割を果たす。 本稿では, 多様な, 自然な, 最小限のテキストペアを, 対物生成によって収集する新しい手法を提案する。 事前学習された4つの言語モデルは、各グループ内よりも、異なる性別グループ間でかなり不整合であることを示す。
  論文  参考訳（メタデータ） (2023-02-11T12:11:03Z)
• They, Them, Theirs: Rewriting with Gender-Neutral English [56.14842450974887]
  私たちは、英語でジェンダーインクルージョンを促進する一般的な方法である特異点についてケーススタディを行います。 本研究では, 人為的データを持たない1%の単語誤り率で, ジェンダーニュートラルな英語を学習できるモデルについて述べる。
  論文  参考訳（メタデータ） (2021-02-12T21:47:48Z)
• Neural Machine Translation Doesn't Translate Gender Coreference Right Unless You Make It [18.148675498274866]
  ニューラル・マシン・トランスフォーメーションに明示的な単語レベルのジェンダー・インフレクション・タグを組み込む手法を提案する。 既存の単純なアプローチは、文中の複数のエンティティにジェンダー・フィーチャーを過度に一般化することができる。 また,英語のジェンダーニュートラルな実体の翻訳を,それに対応する言語規則で評価する拡張も提案する。
  論文  参考訳（メタデータ） (2020-10-11T20:05:42Z)
• Double-Hard Debias: Tailoring Word Embeddings for Gender Bias Mitigation [94.98656228690233]
  本稿では,性別サブスペースの推測と削除に先立って,コーパス正規性に対する単語埋め込みを浄化する手法を提案する。 本手法は,事前学習した単語埋め込みの分布的意味を保ちつつ,性別バイアスを従来の手法よりもはるかに大きい程度に低減する。
  論文  参考訳（メタデータ） (2020-05-03T02:33:20Z)
• Multi-Dimensional Gender Bias Classification [67.65551687580552]
  機械学習モデルは、性別に偏ったテキストでトレーニングする際に、社会的に望ましくないパターンを不注意に学習することができる。 本稿では,テキスト中の性バイアスを複数の実用的・意味的な次元に沿って分解する一般的な枠組みを提案する。 このきめ細かいフレームワークを用いて、8つの大規模データセットにジェンダー情報を自動的にアノテートする。
  論文  参考訳（メタデータ） (2020-05-01T21:23:20Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。