用于交互式调整词嵌入去偏效果的可视化

词嵌入将词转换为数值，是一种重要且被广泛使用的自然语言处理技术。词嵌入的一个严重问题是，如果用于预训练的数据集包含偏见，偏见将被学习并影响模型。另一方面，即使偏见对我们来说是不可取的，不加区分地从词嵌入中移除偏见也可能导致信息丢失。因此，由于去偏导致的模型性能下降风险将成为另一个问题。作为该问题的解决方案，我们关注日语中的性别偏见，并提出了一种交互式可视化方法来调整每个词类别的去偏程度。具体而言，我们可视化去偏后在类别分类任务中的准确性，并允许用户根据可视化结果调整参数，从而可以根据用户的目标来调整去偏。此外，考虑到去偏与防止模型性能下降之间的权衡，以及不同人对性别偏见的感知不同，我们开发了一种应用优化方案来呈现多种去偏配置选项的机制。本文展示了我们从日语版 Wikipedia 学习的词嵌入中移除性别偏见的实验结果。我们基于新闻语料库将词分为五个类别，并观察到去偏的影响程度在各类别间差异很大。随后，我们根据可视化结果调整了每个类别的去偏程度。