缓解自然语言处理中的性别偏见：文献综述
计算与语言
2019-06-24 v1
摘要
随着自然语言处理（NLP）和机器学习（ML）工具的日益流行，认识到它们在塑造社会偏见与刻板印象中所起作用变得愈发关键。尽管 NLP 模型在各类应用中表现出色，它们却传播甚至可能放大文本语料中存在的性别偏见。虽然人工智能中的偏见研究并不新鲜，但缓解 NLP 中性别偏见的方法相对 nascent（新兴）。本文中，我们综述关于识别与缓解 NLP 中性别偏见的当代研究。我们基于四种表征偏见形式讨论性别偏见并分析识别性别偏见的方法。此外，我们讨论现有性别去偏方法的优劣。最后，我们探讨未来关于识别与缓解 NLP 中性别偏见的研究。
引用
@article{arxiv.1906.08976,
title = {Mitigating Gender Bias in Natural Language Processing: Literature Review},
author = {Tony Sun and Andrew Gaut and Shirlyn Tang and Yuxin Huang and Mai ElSherief and Jieyu Zhao and Diba Mirza and Elizabeth Belding and Kai-Wei Chang and William Yang Wang},
journal= {arXiv preprint arXiv:1906.08976},
year = {2019}
}
备注
Accepted to ACL 2019