Process / pipeline
NLP中的性别偏见检测 — 统计与嵌入式方法
NLP中的性别偏见检测是一类统计与嵌入式方法，用于衡量文本语料库和语言模型中的刻板印象、代表性失衡和职业偏见。这些方法以 Caliskan 等人 (2017) 使用词嵌入关联测试 (WEAT) 和 Zhao 等人 (2018) 使用 WinoBias 数据集建立的基准测试为基础，能够提供性别偏见的量化证据，而非定性印象。它们广泛应用于道德人工智能研究、媒体分析和机器学习系统的公平性审计。
在 MethodMind 中打开即将推出Apply, compare, get guidance
Tools & resources
Learn & explore
视频即将推出
阅读完整方法
仅限会员
登录使用免费账户登录即可阅读本节。
方法图谱
相关方法的邻域——选择一个节点以展开探索。
来源
- 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 ↗
如何引用本页
ScholarGate. (2026, June 1). Gender Bias Detection in NLP — Statistical and Embedding-Based Methods. ScholarGate. https://scholargate.app/zh/text-mining/gender-bias-detection-nlp
选用哪种方法？
将本方法与其最相近的同类并置，并排研读——本馆将书籍铺陈于案上，取舍则由您定夺。
并排比较 →