論文の概要: Does Machine Translation Retain Media Bias?

• arxiv url: http://arxiv.org/abs/2610.19945v1
• Date: Wed, 14 Oct 2026 10:28:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:16.101876
• Title: Does Machine Translation Retain Media Bias?
• Title（参考訳）: 機械翻訳はメディアバイアスを保っているか?
• Abstract要約: 機械翻訳(MT)は、研究領域から、散文とほとんどの言語ペアのための成熟したデプロイ技術へと進歩してきた。 本研究では,言語的に表現されるメディアバイアスの1種類の感情的意味,すなわち言語的に表現されるメディアバイアスが,自動翻訳の下で保持されるか否かを検討する。
• 参考スコア（独自算出の注目度）: 0.4915744683251149
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Within the most recent two decades, machine translation (MT) has been advanced from a research area to a mature, deployed technology for prose text and most language pairs. However, language has different dimensions of meaning, and the alluded progress has primarily been demonstrated for propositional meaning. In this small exploratory study, we investigate whether one type of affective meaning, namely different types of linguistically expressed media bias, are retained under automatic translation for two language pairs, English and German as the source languages, and Bulgarian as the target language. We evaluate four state-of-the-art translation methods to answer the question whether and to what degree a loss of non-neutral language (specifically, 27 types of media bias) can occur as a result of applying MT. Our empirical findings are consistent with the claim that MT does not fully retain existing news bias of its input source text, but also may add extra bias of its own. To the best of our knowledge, this is the first experimental study of MT media bias retention.
• Abstract（参考訳）: 最近の20年で、機械翻訳(MT)は研究領域から、散文とほとんどの言語ペアのための成熟したデプロイ技術へと進歩した。 しかし、言語は意味の次元が異なるため、主に命題の意味について語られてきた。 本研究は,言語的に表現されるメディアバイアスの異なる1種類の情緒的意味が,日本語とドイツ語を原語とする2つの言語対,ブルガリア語を対象言語とする2つの言語対の自動翻訳の下で維持されているかを検討する。 我々は,MTの適用により,非中性言語(特に27種類のメディアバイアス)の損失がどの程度の程度で発生するかという疑問に答える4つの最先端翻訳手法を評価した。 我々の知る限りでは、これがMTメディアのバイアス保持に関する最初の実験的研究である。

関連論文リスト

• Investigating Markers and Drivers of Gender Bias in Machine Translations [0.0]
  大型言語モデル(LLM)におけるインプシット性バイアスは、文書化された問題である。 我々は、DeepL翻訳APIを使用して、56のソフトウェアエンジニアリングタスクを繰り返し翻訳する際に生じるバイアスを調査する。 いくつかの言語は、類似した代名詞の使用パターンを示し、3つの緩いグループに分類する。 文中に出現する主動詞は,翻訳における意味のあるジェンダーの要因である可能性が示唆された。
  論文  参考訳（メタデータ） (2024-03-18T15:54:46Z)
• Crossing the Threshold: Idiomatic Machine Translation through Retrieval Augmentation and Loss Weighting [66.02718577386426]
  慣用的な翻訳と関連する問題を簡易に評価する。 我々は,変圧器をベースとした機械翻訳モデルが慣用的な翻訳に対して正しくデフォルトとなる点を明らかにするための合成実験を行った。 自然慣用句の翻訳を改善するために, 単純かつ効果的な2つの手法を導入する。
  論文  参考訳（メタデータ） (2023-10-10T23:47:25Z)
• Measuring Sentiment Bias in Machine Translation [1.567333808864147]
  生成モデルによってテキストに誘導されるバイアスは、近年ますます大きな話題となっている。 2つの並列コーパス上の5つの異なる言語に対する3つのオープンアクセス機械翻訳モデルを比較した。 我々の統計テストはラベルの確率分布の変化を示しているが、翻訳プロセスによって引き起こされるバイアスを仮定するのに十分な一貫性があるように見えるものは見つからない。
  論文  参考訳（メタデータ） (2023-06-12T14:40:29Z)
• Revisiting Machine Translation for Cross-lingual Classification [91.43729067874503]
  この分野のほとんどの研究は、機械翻訳コンポーネントではなく多言語モデルに焦点を当てている。 より強力なMTシステムを用いて、原文のトレーニングと機械翻訳テキストの推論のミスマッチを緩和することにより、翻訳テストは以前想定していたよりも大幅に優れていることを示す。
  論文  参考訳（メタデータ） (2023-05-23T16:56:10Z)
• Discourse Centric Evaluation of Machine Translation with a Densely Annotated Parallel Corpus [82.07304301996562]
  本稿では,江らが導入した大規模並列コーパスBWBに基づいて,リッチな談話アノテーションを用いた新しいデータセットを提案する。 ソース言語とターゲット言語の談話構造と類似点と相違点について検討する。 我々はMT出力が人間の翻訳と基本的に異なることを発見した。
  論文  参考訳（メタデータ） (2023-05-18T17:36:41Z)
• When Does Translation Require Context? A Data-driven, Multilingual Exploration [71.43817945875433]
  談話の適切な処理は機械翻訳(MT)の品質に大きく貢献する 文脈認識型MTにおける最近の研究は、評価中に少量の談話現象を標的にしようとしている。 談話現象のモデル性能を識別・評価するタグの集合である,多言語談話認識ベンチマークを開発した。
  論文  参考訳（メタデータ） (2021-09-15T17:29:30Z)
• Examining Covert Gender Bias: A Case Study in Turkish and English Machine Translation Models [7.648784748888186]
  我々は,機械翻訳モデルにおいて,過剰性差と隠蔽性バイアスの両方の症例について検討した。 具体的には、非対称性マーキングを調査する手法を提案する。 また、人格の属性の偏りを評価し、職業的・人格的ステレオタイプについて検討する。
  論文  参考訳（メタデータ） (2021-08-23T19:25:56Z)
• Machine Translationese: Effects of Algorithmic Bias on Linguistic Complexity in Machine Translation [2.0625936401496237]
  我々は、機械翻訳におけるジェンダーの研究を超えて、偏見の増幅がより広い意味で言語に与える影響を調査する。 我々は、異なるデータ駆動MTパラダイムによって生成された翻訳の言語的豊かさ(語彙的および形態学的レベルで)を評価する。
  論文  参考訳（メタデータ） (2021-01-30T18:49:11Z)
• Gender Bias in Multilingual Embeddings and Cross-Lingual Transfer [101.58431011820755]
  多言語埋め込みにおけるジェンダーバイアスとNLPアプリケーションの伝達学習への影響について検討する。 我々は、バイアス分析のための多言語データセットを作成し、多言語表現におけるバイアスの定量化方法をいくつか提案する。
  論文  参考訳（メタデータ） (2020-05-02T04:34:37Z)
• On the Integration of LinguisticFeatures into Statistical and Neural Machine Translation [2.132096006921048]
  機械翻訳に対する統計的アプローチの強みと人間の翻訳方法の相違について検討する。 自動翻訳システムがより正確な翻訳を行うために欠落している言語情報を同定する。 我々は、過一般化または「アルゴミックバイアス」をニューラルMTの潜在的な欠点として認識し、残りの言語問題の多くにリンクする。
  論文  参考訳（メタデータ） (2020-03-31T16:03:38Z)

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。