ScholarGate
Msaidizi
Process / pipeline

Utambuzi wa upendeleo wa kijinsia katika NLP — Mbinu za Takwimu na Uwekaji Mabango

Utambuzi wa upendeleo wa kijinsia katika NLP ni familia ya mbinu za takwimu na uwekaji mabango zinazotumiwa kupima ubaguzi, usawa wa uwakilishi, na upendeleo wa kikazi katika makusanyo ya maandishi na miundo ya lugha. Zikiegemezwa kwenye vigezo vilivyoanzishwa na Caliskan et al. (2017) kwa kutumia Jaribio la Chama cha Uwekaji Mabango ya Neno (WEAT) na Zhao et al. (2018) kwa kutumia hifadhidata ya WinoBias, mbinu hizi hutoa ushahidi wa kiasi wa upendeleo wa kijinsia badala ya maoni ya ubora. Zinatumika sana katika utafiti wa maadili ya AI, uchambuzi wa vyombo vya habari, na ukaguzi wa usawa wa mifumo ya kujifunza kwa mashine.

Fungua katika MethodMindHivi karibuniApply, compare, get guidance
Tools & resources
Pakua slaidi
Learn & explore
VideoHivi karibuni

Soma mbinu kamili

Kwa wanachama pekee

Ingia kwa akaunti ya bure ili kusoma sehemu hii.

Ingia

Ramani ya mbinu

Jirani ya mbinu zinazohusiana — chagua nodi ili kuchunguza.

Vyanzo

  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

Jinsi ya kunukuu ukurasa huu

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

Mbinu ipi?

Weka mbinu hii kando ya jamaa zake wa karibu na uzisome bega kwa bega — maktaba huweka vitabu mezani; uamuzi ni wako.

Linganisha bega kwa bega
ScholarGateGender Bias Detection (Gender Bias Detection in NLP — Statistical and Embedding-Based Methods). Imepatikana 2026-06-17 kutoka https://scholargate.app/sw/text-mining/gender-bias-detection-nlp · Seti ya data: https://doi.org/10.5281/zenodo.20539026