NeuTral Rewriter：一种基于规则与神经网络的性别中立改写方法
计算与语言
2021-09-14 v1 人工智能
摘要
近年来对性别中立与包容性语言的需求日益增长。在 NLP 领域内，存在多种单语与双语应用场景，其中性别包容性语言是恰当的，甚至因指称对象性别存在歧义或不确定而更受青睐。本工作中，我们提出一种针对英语的基于规则与神经网络的性别中立改写方法，并配有人工整理的合称数据（WinoBias+）与自然数据（OpenSubtitles 与 Reddit）基准。详细的手动与自动评估表明，我们的 NeuTral Rewriter 在由基于规则方法生成的数据上训练后，在合成、域内与域外测试集上取得的词错误率（WER）低于 0.18%。
引用
@article{arxiv.2109.06105,
title = {NeuTral Rewriter: A Rule-Based and Neural Approach to Automatic Rewriting into Gender-Neutral Alternatives},
author = {Eva Vanmassenhove and Chris Emmery and Dimitar Shterionov},
journal= {arXiv preprint arXiv:2109.06105},
year = {2021}
}