抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
機械学習モデルにおけるBias緩和は必須であるが,まだ困難である。いくつかのアプローチが提案されているが,バイアスを緩和するための一つの見解は敵対的学習を通している。識別器を用いて,質問における性別,年齢または人種のようなバイアス属性を同定した。この識別器は,バイアス属性を区別できないことを保証するために,敵対的に使用された。そのようなモデルの主な欠点は,それがバイアスの識別に敏感になるという特徴が分類と相関できるという特徴として,精度のトレードオフを直接導入することである。本研究では,問題を解いた。このバイアス-精度トレードオフを改善するために,バイアス弁別器が実際に使用できることを示した。特に,これは識別子の勾配を用いた特徴マスキング手法を用いることにより達成される。バイアス識別に好ましかった特徴は,脱位相的であり,分類中に不偏な特徴が強化されることを確認した。著者らは,この単純なアプローチが,バイアスを減らし,また,精度を著しく改善することを示した。標準ベンチマークで提案モデルを評価した。不偏性を維持し,また,いくつかの他の最近の方法を凌駕する間,敵対的方法の精度を改善する。【JST・京大機械翻訳】