Wykrywanie stronniczości ze względu na płeć w NLP — metody statystyczne i oparte na embeddingach
Wykrywanie stronniczości ze względu na płeć w NLP to rodzina metod statystycznych i opartych na embeddingach, służących do pomiaru stereotypów, nierównowagi reprezentacji i stronniczości zawodowej w korpusach tekstowych i modelach językowych. Opierając się na punktach odniesienia ustanowionych przez Caliskana i in. (2017) za pomocą testu skojarzeń embeddingów słów (WEAT) oraz Zhao i in. (2018) zbiorem danych WinoBias, metody te dostarczają ilościowych dowodów stronniczości ze względu na płeć, a nie jakościowych wrażeń. Są szeroko stosowane w badaniach nad etyką AI, analizie mediów i audytach sprawiedliwości systemów uczenia maszynowego.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Mapa metod
Sąsiedztwo pokrewnych metod — wybierz węzeł, aby je zgłębić.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 1). Gender Bias Detection in NLP — Statistical and Embedding-Based Methods. ScholarGate. https://scholargate.app/pl/text-mining/gender-bias-detection-nlp
Która metoda?
Zestaw tę metodę z najbliższymi jej krewnymi i czytaj je obok siebie — biblioteka kładzie księgi na stole; wybór należy do Ciebie.
- Osadzenia BERTEksploracja tekstu↔ porównaj
- Rozstrzyganie współwystępowaniaEksploracja tekstu↔ porównaj
- Rozpoznawanie nazw własnych (NER)Eksploracja tekstu↔ porównaj
- Analiza sentymentuEksploracja tekstu↔ porównaj
- Klasyfikacja TekstuEksploracja tekstu↔ porównaj
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →