检测性别刻板印象：词汇表与监督学习方法

视频

DOI

语言中的偏见影响了我们彼此之间以及与整个社会的互动。今天，在各种情境中，从推荐信和维基百科条目到小说和电影对话，都经常可以看到语言中肯定性别刻板印象的现象。然而，迄今为止，对于如何量化自然语言（特别是英语）中的性别刻板印象，还没有达成一致的方法论。常见的方法论（包括那些由负责检测性别偏见的公司采用的方法）主要依赖于基于1974年原始BSRI研究的词汇表方法。<br>在本文中，我们通过比较分析基于词汇表的方法和现代自然语言处理系统中流行的端到端、基于机器学习的方法的有效性，重新审视了在现代工具背景下检测性别刻板印象的作用。我们使用大型数据集的努力表明，即使与更新的基于词汇表的方法相比，端到端分类方法在经过中等规模语料库训练时，也更加稳健和准确。