AraWEAT：阿拉伯语词嵌入中偏见的多维分析
计算与语言
2020-11-04 v1
摘要
近期工作表明，分布式子向量空间常常编码诸如性别歧视或种族主义的人类偏见。在本工作中，我们对阿拉伯语词嵌入中的偏见进行了广泛分析，将一系列近期引入的偏见测试应用于从阿拉伯语语料诱导出的多种嵌入空间。我们跨多个维度度量偏见的存在，即：嵌入模型（Skip-Gram、CBOW 和 FastText）与向量维度、文本类型（百科文本，以及新闻 vs. 用户生成内容）、方言（埃及阿拉伯语 vs. 现代标准阿拉伯语）和时间（不同时间段语料的历时分析）。我们的分析得出若干有趣发现，例如，在阿拉伯语新闻语料上训练的嵌入中隐式性别偏见随时间（2007 至 2017 年间）稳步增加。我们公开了阿拉伯语偏见规范（AraWEAT）。
引用
@article{arxiv.2011.01575,
title = {AraWEAT: Multidimensional Analysis of Biases in Arabic Word Embeddings},
author = {Anne Lauscher and Rafik Takieddin and Simone Paolo Ponzetto and Goran Glavaš},
journal= {arXiv preprint arXiv:2011.01575},
year = {2020}
}
备注
accepted for WANLP 20