公平嵌入引擎：一个用于分析与缓解词嵌入中性别偏见的库
计算与语言
2020-10-27 v1 计算机与社会
摘要
已有研究表明，非上下文词嵌入模型会从训练语料中继承类似人类的性别、种族和宗教刻板偏见。为解决此问题，大量研究旨在保持嵌入句法与语义效用的同时缓解这些偏见。本文描述了公平嵌入引擎（FEE），一个用于分析和缓解词嵌入中性别偏见的库。FEE在标准抽象下结合了多种用于量化、可视化和缓解词嵌入中性别偏见的state of the art技术。FEE将帮助从业者在他们的嵌入模型上快速分析现有去偏方法，并可通过在一套标准指标上评估性能来实现新方法的快速原型开发。
引用
@article{arxiv.2010.13168,
title = {Fair Embedding Engine: A Library for Analyzing and Mitigating Gender Bias in Word Embeddings},
author = {Vaibhav Kumar and Tenzin Singhay Bhotia and Vaibhav Kumar},
journal= {arXiv preprint arXiv:2010.13168},
year = {2020}
}
备注
6 pages, 3 figures