論文の概要: Mitigating Gender Bias in English to Romanian Machine Translation

• arxiv url: http://arxiv.org/abs/2608.08606v1
• Date: Sun, 09 Aug 2026 09:38:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-11 19:16:36.882067
• Title: Mitigating Gender Bias in English to Romanian Machine Translation
• Title（参考訳）: 英語からルーマニア語機械翻訳へのジェンダーバイアスの移行
• Abstract要約: 機械翻訳(MT)システムは、しばしば性別の正しい翻訳に失敗する。 大規模言語モデル(LLM)に基づく性別分類とニューラルマシン翻訳(NMT)を組み合わせたハイブリッドパイプラインを提案する。 提案手法は,WinoMT と WinoGender のベンチマークにおける性別の精度を,ベースラインの MT システムと比較して40 ポイント以上向上する。
• 参考スコア（独自算出の注目度）: 0.6445605125467574
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Machine translation (MT) systems often fail to correctly translate gender, especially when converting from a gender-neutral language like English to a gendered target language such as Romanian. This bias results in translations that default to masculine forms or reinforce gender stereotypes. We propose a hybrid pipeline to mitigate this issue by combining large language model (LLM)-based gender classification with neural machine translation (NMT). Our system uses a fine-tuned LLM to detect the intended gender of target words in English sentences and insert inline gender hint tags. These tagged sentences are then passed to a Transformer model fine-tuned to generate morphologically correct Romanian translations. To support this, we introduce three novel datasets for gender disambiguation and translation. Our approach improves gender accuracy on the WinoMT and WinoGender benchmarks by over 40 percentage points compared to a baseline MT system. This is the first method to explicitly address and evaluate gender bias in English-Romanian MT using both LLM inference and tag-aware translation.
• Abstract（参考訳）: 機械翻訳(MT)システムは、特に英語のようなジェンダーニュートラル言語からルーマニア語のようなジェンダーニュートラル言語に変換する際に、正しくジェンダーを翻訳することができないことが多い。 このバイアスは、男性形にデフォルトの翻訳、またはジェンダーステレオタイプを強化する結果をもたらす。 大規模言語モデル(LLM)に基づく性別分類とニューラルマシン翻訳(NMT)を組み合わせたハイブリッドパイプラインを提案する。 本システムは,英語文中の対象単語の意図した性別を検出し,インライン・ジェンダーヒントタグを挿入するために,微調整LDMを用いている。 これらのタグ付き文は、モルフォロジー的に正しいルーマニア語翻訳を生成するために微調整されたトランスフォーマーモデルに渡される。 これを支援するために,ジェンダーの曖昧さと翻訳のための3つの新しいデータセットを紹介した。 提案手法は,WinoMT と WinoGender のベンチマークにおける性別の精度を,ベースラインの MT システムと比較して40 ポイント以上向上する。 LLM推論とタグ認識翻訳の両方を用いて、英語・ルーマニア語MTにおける性バイアスを明示的に解決し、評価する最初の方法である。

関連論文リスト

• ConGA: Guidelines for Contextual Gender Annotation. A Framework for Annotating Gender in Machine Translation [0.962211505591938]
  言語間のジェンダーの扱いは、機械翻訳にとって依然として永続的な課題である。 英語は文法的性別を省略するが、イタリア語は複数の文法的カテゴリーで明示的な合意を必要とする。 本稿では,単語レベルのジェンダーアノテーションを言語的に規定したガイドラインセットであるContextual Gender Textual (ConGA) フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-18T17:31:47Z)
• Gender Bias in MT for a Genderless Language: New Benchmarks for Basque [1.1419092834574525]
  バスク語を含む翻訳において、性別バイアスを評価するための2つの新しいデータセットを導入する。 大規模言語モデル (LLM) と機械翻訳システム (MT) の評価を行った。
  論文  参考訳（メタデータ） (2026-03-09T09:35:55Z)
• Gender Bias in English-to-Greek Machine Translation [0.0]
  Google TranslateとDeepLの2つの翻訳では、ジェンダーバイアスが持続している。 GPT-4oは有望であり、ほとんどの曖昧なケースに対して適切な性別と中立の代替物を生成する。
  論文  参考訳（メタデータ） (2025-06-11T09:44:12Z)
• EuroGEST: Investigating gender stereotypes in multilingual language models [58.871032460235575]
  EuroGESTは、英語と29のヨーロッパ言語にまたがるLLMにおける性別ステレオタイプ推論を計測するためのデータセットである。 すべての言語で最強のステレオタイプは、女性が「美」、「共感」、そして「否定」であり、男性は「リーダー」、「強く、タフ」、そして「職業的」であることを示している。
  論文  参考訳（メタデータ） (2025-06-04T11:58:18Z)
• 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)
• A Tale of Pronouns: Interpretability Informs Gender Bias Mitigation for Fairer Instruction-Tuned Machine Translation [35.44115368160656]
  機械翻訳モデルがジェンダーバイアスを示すか否かについて検討する。 We found that IFT model default to male-inflected translations, evengarding female occupational stereotypes。 実装が容易で効果的なバイアス緩和ソリューションを提案する。
  論文  参考訳（メタデータ） (2023-10-18T17:36:55Z)
• The Gender-GAP Pipeline: A Gender-Aware Polyglot Pipeline for Gender Characterisation in 55 Languages [51.2321117760104]
  本稿では,55言語を対象とした大規模データセットにおけるジェンダー表現を特徴付ける自動パイプラインであるGender-GAP Pipelineについて述べる。 このパイプラインは、性別付き人称名詞の多言語語彙を用いて、テキスト中の性別表現を定量化する。 本稿では、WMTのトレーニングデータとNewsタスクの開発データにジェンダー表現を報告し、現在のデータが男性表現にスキューされていることを確認する。
  論文  参考訳（メタデータ） (2023-08-31T17:20:50Z)
• 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)
• Decoding and Diversity in Machine Translation [90.33636694717954]
  NMTが楽しむBLEUスコアに対して支払う費用の多様性の違いを特徴付ける。 本研究は,ジェンダー代名詞を翻訳する際に,検索が既知バイアスの正解源となることを示唆する。
  論文  参考訳（メタデータ） (2020-11-26T21:09:38Z)
• 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)
• 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。