共指消解中的性别偏见：评估与去偏方法
计算与语言
2018-04-20 v1 人工智能
摘要
我们引入了一个专注于性别偏见的共指消解新基准 WinoBias。我们的语料库包含 Winograd 图式风格句子，其中的实体为以其职业指代的人（如护士、医生、木匠）。我们证明，基于规则的、特征丰富的以及神经共指系统都将性别代词以高于反刻板印象实体的准确率链接到亲刻板印象实体，F1 分数平均相差 21.1。最后，我们展示了一种数据增强方法，其与现有的词嵌入去偏技术结合，可消除这些系统在 WinoBias 中表现出的偏见，且不会显著影响它们在现有共指基准数据集上的性能。我们的数据集与代码可在 http://winobias.org 获取。
引用
@article{arxiv.1804.06876,
title = {Gender Bias in Coreference Resolution: Evaluation and Debiasing Methods},
author = {Jieyu Zhao and Tianlu Wang and Mark Yatskar and Vicente Ordonez and Kai-Wei Chang},
journal= {arXiv preprint arXiv:1804.06876},
year = {2018}
}
备注
NAACL '18 Camera Ready