基于概念器的词表示去偏及其在WEAT上的评估
计算与语言
2019-06-17 v1
摘要
诸如Word2Vec的词嵌入中的偏差已被广泛研究，许多工作致力于消除此类偏差。我们展示了如何使用概念器去偏对传统与上下文词嵌入进行后处理。我们的概念器去偏可同时消除种族与性别偏差，且不同于标准去偏方法，能有效利用异构的有偏词列表。我们表明，根据Caliskan等人（2017）的詞嵌入关联测试（WEAT）度量，概念器去偏降低了词表示的种族与性别偏差。
引用
@article{arxiv.1906.05993,
title = {Conceptor Debiasing of Word Representations Evaluated on WEAT},
author = {Saket Karve and Lyle Ungar and João Sedoc},
journal= {arXiv preprint arXiv:1906.05993},
year = {2019}
}