使用语义遮蔽与语义传播图神经网络消除情感分析中的社会偏见
计算与语言
2025-01-14 v3
摘要
本文介绍了语义传播图神经网络（SProp GNN），这是一种机器学习情感分析（SA）架构，它完全依赖句法结构和词级情感线索来预测文本中的情感。通过对模型进行语义遮蔽，使其无法获取特定词汇的信息，该模型对政治或性别偏见等社会偏见具有鲁棒性，而这些偏见一直困扰着以往基于机器学习的 SA 系统。SProp GNN 在两个不同的预测任务和两种语言中，表现出优于 VADER（Valence Aware Dictionary and Sentiment Reasoner）和 EmoAtlas 等基于词典的替代方案的性能。此外，它在情感预测任务中显著减少了偏见，同时其准确率接近基于 Transformer 的模型。通过提供更好的可解释性并减少偏见，SProp GNN 弥合了可解释的词典方法与强大但通常不透明的深度学习模型之间的方法论鸿沟，为通过文本理解人类行为提供了公平有效的情感分析工具。
引用
@article{arxiv.2411.12493,
title = {Eradicating Social Biases in Sentiment Analysis using Semantic Blinding and Semantic Propagation Graph Neural Networks},
author = {Hubert Plisiecki},
journal= {arXiv preprint arXiv:2411.12493},
year = {2025}
}