交叉偏见的去偏技术评估
计算与语言
2021-09-23 v1
摘要
偏见在NLP模型中十分普遍，推动了自动去偏技术的发展。对NLP去偏方法的评估大多局限于孤立的二元属性，例如针对二元性别或种族的去偏，然而许多语料库涉及多个此类属性，且可能具有更高的基数。在本文中，我们认为一个真正公平的模型必须考虑“不公正划分”群体，其不仅包含单一属性，也包含交叉群体。我们评估了一种对NLP而言新颖的偏见约束模型形式，以及可处理多个受保护属性的迭代零空间投影技术的扩展。
引用
@article{arxiv.2109.10441,
title = {Evaluating Debiasing Techniques for Intersectional Biases},
author = {Shivashankar Subramanian and Xudong Han and Timothy Baldwin and Trevor Cohn and Lea Frermann},
journal= {arXiv preprint arXiv:2109.10441},
year = {2021}
}
备注
To appear in EMNLP 2021