敵対学習による機械翻訳における性Biasの緩和【JST・京大機械翻訳】

Fleisig Eve; Fellbaum Christiane

プレプリント

J-GLOBAL ID：202202207235692145 整理番号：22P0307325

敵対学習による機械翻訳における性Biasの緩和【JST・京大機械翻訳】

Mitigating Gender Bias in Machine Translation through Adversarial Learning

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (2件)： ,
資料名：
発行年： 2022年03月20日プレプリントサーバーでの情報更新日： 2022年03月20日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

機械翻訳と他のNLPシステムは,しばしば,性別や人種のような敏感な属性に関する有意なバイアスを含み,システム性能を悪化させ,有害なステレオタイプを永続する。最近の予備的研究は,広告学習がデータ修正を必要としないモデル診断バイアス軽減法の一部として使用できることを示唆する。しかし,機械翻訳および他の最新のNLPドメインに対するこの戦略の適応は,(1)微調整前訓練された大規模言語モデルおよび(2)これらの属性をデータ自体から推論しなければならないタスクに対する性別または他の保護変数に対する開発測度の文脈における再構成訓練目的を必要とする。seq2seqマシン翻訳における性バイアスを緩和するために,これらの課題に対処する敵対学習フレームワークを提案した。このフレームワークは,翻訳品質に最小の影響で,英語-ドイツ翻訳で86%,英語-フランス語翻訳で91%,男性対女性エンティティの文章に対する翻訳品質の不均衡を改善する。結果は,敵対学習が機械翻訳における性バイアスを緩和するための有望な技術であることを示唆する。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , 【Automatic Indexing@JST】

自然語処理 , 人工知能

, , , ,

前のページに戻る