Ανίχνευση Φυλετικής Μεροληψίας στην Επεξεργασία Φυσικής Γλώσσας — Στατιστικές Μέθοδοι και Μέθοδοι Βάσει Ενσωματώσεων
Η ανίχνευση φυλετικής μεροληψίας στην Επεξεργασία Φυσικής Γλώσσας (ΕΦΓ) είναι μια οικογένεια στατιστικών μεθόδων και μεθόδων βάσει ενσωματώσεων που χρησιμοποιείται για τη μέτρηση στερεοτυπίας, αντιπροσωπευτικής ανισορροπίας και επαγγελματικής μεροληψίας σε σώματα κειμένων και γλωσσικά μοντέλα. Βασισμένες σε δείκτες αναφοράς που καθιερώθηκαν από τους Caliskan et al. (2017) με το Word Embedding Association Test (WEAT) και τους Zhao et al. (2018) με το σύνολο δεδομένων WinoBias, αυτές οι μέθοδοι παράγουν ποσοτικά στοιχεία φυλετικής μεροληψίας αντί για ποιοτικές εντυπώσεις. Εφαρμόζονται ευρέως στην έρευνα ηθικής τεχνητής νοημοσύνης, στην ανάλυση μέσων ενημέρωσης και στον έλεγχο δικαιοσύνης συστημάτων μηχανικής μάθησης.
Διαβάστε ολόκληρη τη μέθοδο
Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.
Χάρτης μεθόδων
Η γειτονιά των σχετιζόμενων μεθόδων — επιλέξτε έναν κόμβο για εξερεύνηση.
Πηγές
- 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 ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 1). Gender Bias Detection in NLP — Statistical and Embedding-Based Methods. ScholarGate. https://scholargate.app/el/text-mining/gender-bias-detection-nlp
Ποια μέθοδος;
Τοποθετήστε αυτή τη μέθοδο δίπλα στις πιο συγγενείς της και διαβάστε τις παράλληλα — η βιβλιοθήκη απλώνει τα βιβλία στο τραπέζι· η επιλογή είναι δική σας.
- Ενσωματώσεις BERTΕξόρυξη Κειμένου↔ σύγκριση
- Αναφορά συν-αναφοράςΕξόρυξη Κειμένου↔ σύγκριση
- Αναγνώριση Ονομαστικών Οντοτήτων (NER)Εξόρυξη Κειμένου↔ σύγκριση
- Ανάλυση ΣυναισθήματοςΕξόρυξη Κειμένου↔ σύγκριση
- Ταξινόμηση ΚειμένουΕξόρυξη Κειμένου↔ σύγκριση
Similar methods
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →