识别并缓解双曲词嵌入中的性别偏见
计算与语言
2021-09-29 v1 人工智能
摘要
诸如 GloVe 和 Word2Vec 等欧几里得词嵌入模型已被证明反映了类人的性别偏见。本文将性别偏见的研究扩展至近期流行的双曲词嵌入。我们提出陀螺余弦偏见（gyrocosine bias），一种用于量化双曲词表示中性别偏见的新度量，并观察到性别偏见的显著存在。为解决该问题，我们提出 Poincaré 性别去偏（PGD），一种针对双曲词表示的新型去偏过程。在一系列评估测试上的实验表明，PGD 在添加极小语义偏移的同时有效降低了偏见。
引用
@article{arxiv.2109.13767,
title = {Identifying and Mitigating Gender Bias in Hyperbolic Word Embeddings},
author = {Vaibhav Kumar and Tenzin Singhay Bhotia and Vaibhav Kumar and Tanmoy Chakraborty},
journal= {arXiv preprint arXiv:2109.13767},
year = {2021}
}
备注
8 pages