Deteksi Bias Gender dalam NLP — Metode Statistik dan Berbasis Embedding
Deteksi bias gender dalam NLP adalah keluarga metode statistik dan berbasis embedding yang digunakan untuk mengukur stereotip, ketidakseimbangan representasi, dan bias pekerjaan dalam korpus teks dan model bahasa. Berlandaskan tolok ukur yang ditetapkan oleh Caliskan et al. (2017) dengan Word Embedding Association Test (WEAT) dan Zhao et al. (2018) dengan dataset WinoBias, metode-metode ini menghasilkan bukti kuantitatif bias gender daripada kesan kualitatif. Metode ini banyak diterapkan dalam penelitian AI etis, analisis media, dan audit keadilan sistem pembelajaran mesin.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Peta metode
Lingkup metode terkait — pilih sebuah simpul untuk menjelajah.
Sumber
- 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 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 1). Gender Bias Detection in NLP — Statistical and Embedding-Based Methods. ScholarGate. https://scholargate.app/id/text-mining/gender-bias-detection-nlp
Metode yang mana?
Letakkan metode ini berdampingan dengan kerabat terdekatnya dan baca secara bersisian — pustaka menata bukunya di atas meja; pilihan ada di tangan Anda.
- Embedding BERTPenambangan Teks↔ bandingkan
- Resolusi Ko-referensiPenambangan Teks↔ bandingkan
- Pengenalan Entitas Bernama (NER)Penambangan Teks↔ bandingkan
- Analisis SentimenPenambangan Teks↔ bandingkan
- Klasifikasi TeksPenambangan Teks↔ bandingkan
Similar methods
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →