ScholarGate
Asistent
Process / pipeline

Detekce genderové předpojatosti v NLP — Statistické metody a metody založené na vnořeních

Detekce genderové předpojatosti v NLP je soubor statistických metod a metod založených na vnořeních, které se používají k měření stereotypizace, nerovnováhy v reprezentaci a profesní předpojatosti v textových korpusech a jazykových modelech. Tyto metody, založené na referenčních kritériích stanovených Caliskanem et al. (2017) s testem asociací slovních vnoření (Word Embedding Association Test, WEAT) a Zhao et al. (2018) se souborem dat WinoBias, poskytují kvantitativní důkazy o genderové předpojatosti namísto kvalitativních dojmů. Jsou široce používány ve výzkumu etické umělé inteligence, analýze médií a auditu spravedlnosti systémů strojového učení.

Otevřít v MethodMindJiž brzyVideoJiž brzyStáhnout prezentaci

Přečíst celou metodu

Pouze pro členy

Pro přečtení této sekce se přihlaste s bezplatným účtem.

Přihlásit se

Mapa metod

Okolí příbuzných metod — vyberte uzel, který chcete prozkoumat.

Zdroje

  1. 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
  2. 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

Jak citovat tuto stránku

ScholarGate. (2026, June 1). Gender Bias Detection in NLP — Statistical and Embedding-Based Methods. ScholarGate. https://scholargate.app/cs/text-mining/gender-bias-detection-nlp

Která metoda?

Postavte tuto metodu vedle jejích nejbližších příbuzných a čtěte je vedle sebe — knihovna položí knihy na stůl; volba je na vás.

Porovnat vedle sebe
ScholarGateGender Bias Detection (Gender Bias Detection in NLP — Statistical and Embedding-Based Methods). Získáno 2026-06-15 z https://scholargate.app/cs/text-mining/gender-bias-detection-nlp · Datová sada: https://doi.org/10.5281/zenodo.20539026