评估印地语-英语机器翻译中的性别偏见
计算与语言
2021-06-17 v1 人工智能
计算机与社会
机器学习
摘要
随着语言模型在现实世界中的部署日益增多，解决其输出公平性问题至关重要。这些语言模型的词嵌入表示常常隐式地产生不必要的关联，从而在模型内部形成社会偏见。像印地语这样的性别化语言，由于句中词语形式会随主语性别而变化，给偏见的量化与缓解带来了额外困难。此外，在衡量和去偏印度语言系统方面的工作寥寥无几。在我们的工作中，我们尝试评估并量化一个印地语-英语机器翻译系统中的性别偏见。我们基于印地语的语法考量，实现了现有 TGBI 指标的改进版本。我们还跨多个指标比较并对比了预训练嵌入与我们的机器翻译模型所学嵌入的偏见测量结果。
引用
@article{arxiv.2106.08680,
title = {Evaluating Gender Bias in Hindi-English Machine Translation},
author = {Gauri Gupta and Krithika Ramesh and Sanjay Singh},
journal= {arXiv preprint arXiv:2106.08680},
year = {2021}
}