GATE X-E：来自弱性别标记语言的性别公平翻译挑战集
计算与语言
2024-02-23 v1 人工智能
摘要
神经机器翻译 (NMT) 的质量和采用率持续提高，但无意中延续性别偏见仍然是一个重大担忧。尽管有许多关于从弱性别标记语言翻译成英语时的性别偏见研究，但缺乏用于评估此现象或评估缓解策略的基准。为填补这一空白，我们推出了 GATE X-E，这是 GATE (Rarrick 等人，2023) 语料库的扩展，包含从土耳其语、匈牙利语、芬兰语和波斯语到英语的人工翻译。每个翻译都配有女性、男性和中性变体。该数据集包含四种语言对中每种 1250 到 1850 个实例，具有涵盖广泛句子长度和领域的自然句子，在各种语言现象上挑战翻译重写器。此外，我们提出了一种基于 GPT-4 构建的翻译性别重写解决方案，并使用 GATE X-E 对其进行评估。我们开源了我们的贡献，以鼓励进一步研究性别去偏。
引用
@article{arxiv.2402.14277,
title = {GATE X-E : A Challenge Set for Gender-Fair Translations from Weakly-Gendered Languages},
author = {Spencer Rarrick and Ranjita Naik and Sundar Poudel and Vishal Chowdhary},
journal= {arXiv preprint arXiv:2402.14277},
year = {2024}
}
备注
arXiv admin note: substantial text overlap with arXiv:2311.08836