EquiSumm：面向包容性推文摘要的性别偏见感知框架
计算与语言
2026-05-25 v1
摘要
虽然 Twitter 等社交媒体平台为新闻事件期间的大规模观点分享提供了媒介，但个人或媒体机构手动处理海量内容以识别关键观点是不可能的。为了解决这个问题，已经提出了几种自动摘要技术，将大量推文集合浓缩为简洁且信息丰富的摘要。然而，这些算法没有明确考虑人口统计学公平性。几项现有研究开发了自动摘要方法，能够对社交媒体平台上与新闻事件相关的关键方面和主要观点提供全面概述。然而，这些方法没有明确考虑不同形式的人口统计代表性，例如性别，这可能导致有偏见的摘要表示。在本文中，我们提出了 EquiSumm，它考虑了共享观点的性别方面来生成摘要，我们在两个主要数据集上的实验分析表明了其相对于现有研究工作的性能有效性。
引用
@article{arxiv.2605.23412,
title = {EquiSumm : A Gender Bias-Aware Framework for Inclusive Tweet Summarization},
author = {Chaitanya Wanjari and Jessica Kamal and Riddhi Jain and Samruddhi Kurhe and Roshni Chakraborty},
journal= {arXiv preprint arXiv:2605.23412},
year = {2026}
}
备注
Accepted at AI for Social Good Workshop, Pattern Recognition and Machine Intelligence (PReMI 2025), IIT Delhi. 6 pages, 2 figures