通过多任务学习 disentangle 方言与社会偏见以提高公平性

方言在语言中引入的句法和词汇变异发生在地区或社会群体中。大多数 NLP 方法对此不够敏感。这可能导致方法表现出不公平行为，歧视方言说话者。虽然之前的工作研究了针对诸如仇恨言论等方面的方言相关公平性，但其他偏见语言方面，如低俗，仍未得到探索。为填补这一空白，我们研究了五种偏见语言检测任务中方言之间的性能差异以及如何缓解这些差异。为缓解偏见，我们提出了一种多任务学习方法，将方言语言建模为辅助任务，以纳入句法和词汇变异。在针对非裔美英语方言的实验中，我们提供了实证证据，表明将方言建模补充到常规学习方法中可提高其公平性。进一步地，结果表明多任务学习实现了最好的性能，并有助于更可靠地检测偏见语言的属性。