超越“男性代码”：NLP 语境中的隐性男性偏见
计算与语言
2023-04-26 v1 计算机与社会
人机交互
机器学习
摘要
批判性学术已凸显用于训练虚拟助手（VAs）的数据集中性别偏见的问题。多数工作聚焦于语言中的显性偏见，尤其针对女性、女孩、女性化身份者及性别酷儿；通过词嵌入的隐性关联；以及有限的性别与男性气质模型，特别是毒性男性气质、生理性别与社会性别的混淆，以及将男性气质与女性气质二元对立的性别框架。然而，我们还须审视男性气质如何被“编码”进语言，以及将“男性”作为语言默认的假设：隐性男性偏见。为此，我们考察了两个自然语言处理（NLP）数据集。我们发现，当存在性别化语言时，便存在性别偏见，尤其是男性偏见。此外，这些偏见以微妙的方式与 NLP 语境相关。我们提供了一个名为 AVA 的新词典，涵盖性别化语言与虚拟助手语言之间的模糊关联。
引用
@article{arxiv.2304.12810,
title = {Transcending the "Male Code": Implicit Masculine Biases in NLP Contexts},
author = {Katie Seaborn and Shruti Chandra and Thibault Fabre},
journal= {arXiv preprint arXiv:2304.12810},
year = {2023}
}
备注
19 pages