学习性别中立词嵌入
计算与语言
2018-09-06 v1 机器学习
机器学习
摘要
词嵌入模型已成为众多自然语言处理(Natural Language Processing, NLP)应用中的基础组件。然而,在人工生成的语料上训练的嵌入已被证明继承了反映社会建构的强烈性别刻板印象。为解决这一问题,本文提出一种用于学习性别中立词嵌入的新颖训练流程。我们的方法旨在将性别信息保留在词向量的某些维度中,同时迫使其他维度不受性别影响。基于所提方法,我们生成了 GloVe 的性别中立变体(GN-GloVe)。定量与定性实验表明,GN-GloVe 成功隔离了性别信息,且未牺牲嵌入模型的功能。
引用
@article{arxiv.1809.01496,
title = {Learning Gender-Neutral Word Embeddings},
author = {Jieyu Zhao and Yichao Zhou and Zeyu Li and Wei Wang and Kai-Wei Chang},
journal= {arXiv preprint arXiv:1809.01496},
year = {2018}
}
备注
EMNLP 2018