Detecció de biaix de gènere en PLN — Mètodes estadístics i basats en embeddings
La detecció de biaix de gènere en PLN és una família de mètodes estadístics i basats en embeddings que s'utilitzen per mesurar l'estereotipació, el desequilibri representacional i el biaix ocupacional en corpus de text i models de llenguatge. Basats en punts de referència establerts per Caliskan et al. (2017) amb el Word Embedding Association Test (WEAT) i Zhao et al. (2018) amb el conjunt de dades WinoBias, aquests mètodes produeixen evidències quantitatives de biaix de gènere en lloc d'impressions qualitatives. S'apliquen àmpliament en la investigació sobre IA ètica, anàlisi de mitjans i auditories de justícia de sistemes d'aprenentatge automàtic.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Mapa de mètodes
El veïnat de mètodes relacionats — seleccioneu un node per explorar-lo.
Fonts
- Caliskan, A., Bryson, J. J., & Narayanan, A. (2017). Semantics derived automatically from language corpora contain human-like biases. Science, 356(6334), 183–186. DOI: 10.1126/science.aal4230 ↗
- Zhao, J., Wang, T., Yatskar, M., Ordonez, V., & Chang, K.-W. (2018). Gender Bias in Coreference Resolution: Evaluation and Debiasing Methods. Proceedings of NAACL-HLT 2018. link ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 1). Gender Bias Detection in NLP — Statistical and Embedding-Based Methods. ScholarGate. https://scholargate.app/ca/text-mining/gender-bias-detection-nlp
Quin mètode?
Poseu aquest mètode al costat dels seus parents més pròxims i llegiu-los de costat a costat — la biblioteca disposa els llibres sobre la taula; la tria és vostra.
- BERT EmbeddingsMineria de text↔ compara
- Resolució de coreferènciesMineria de text↔ compara
- Reconeixement d'Entitats Nomenades (NER)Mineria de text↔ compara
- Anàlisi de sentimentsMineria de text↔ compara
- Classificació de textMineria de text↔ compara
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →