Jan, 2021

机器翻译中算法偏见对语言复杂性的影响

PDF
TL;DR本文研究机器翻译中偏见放大的问题，探究算法的偏见增强对语言是否会产生贫化作用。作者测试了不同的数据驱动机器翻译范式，并发现所有测试的语言对中，都存在词汇和形态上的丧失。
machine translationnatural language processingbias amplificationlinguistic richnessdata-driven mt paradigms
发现论文，激发创造
  • 翻译迷失：机器翻译中语言丰富性的流失和衰退

    本研究基于实证数据分析了机器翻译与人为翻译之间的词汇丰富性损失，结果表明当前机器翻译系统在保留人类语言文本的词汇多样性方面尚有不足，而其倾向于加剧常见模式并忽视不常见模式的特点，可能会加重针对性别的偏见等问题，并可能导致算法本身的偏见问题。

    Jun, 2019

  • 机器翻译中的性别偏见

    通过批判性地审视当前有关 MT 偏见的概念化，总结以往的性别偏见分析，讨论已提出的缓解策略，并指向未来工作的潜在方向，提出了一个统一的框架以便于未来研究。

    Apr, 2021

  • 机器翻译中的性别偏见与大型语言模型时代

    本章检查了机器翻译在持续性别偏见方面的作用，强调了跨语言环境和统计依赖性所带来的挑战。提供了与传统神经机器翻译方法和作为机器翻译系统的生成式预训练变压器模型相关的现有研究的全面概述。通过在英意翻译环境中使用 ChatGPT（基于 GPT-3.5）的实验，进一步评估了 ChatGPT 目前解决性别偏见的能力。研究结果强调了在机器翻译系统中减少偏见的发展的持续需求，并强调了在语言技术中培养公平和包容的重要性。

    Jan, 2024

  • 好，但并不总是公平：对三个商用机器翻译系统性别偏见的评估

    本研究评估了 Google Translate、DeepL 和 Modern MT 这三种在线翻译系统在性别翻译和偏见方面的表现，并发现这些系统在性别翻译方面存在不同程度的偏见。

    Jun, 2023

  • 神经机器翻译中速度 - 质量优化过程中的性别偏见放大

    研究了使用 BLEU 评估通用测试集时，是否在优化速度和评估机器翻译模型时放大了偏差？发现速度优化对 BLEU 几乎没有影响，但发现性别名词翻译表现的下降速度更快。

    Jun, 2021

  • 机器翻译中情感偏见的测量

    本文探讨机器翻译在情感分析模型的分类中可能引入的偏见，并测试了三个开放式的机器翻译模型在五种不同语言的平行语料库上的表现，统计结果表明出现了标签概率分布的偏移，但没有一个是足够一致的使我们认为翻译过程会引入偏见。

    Jun, 2023

  • 神经机器翻译中的语言覆盖偏差

    本文研究神经机器翻译中的语言覆盖偏差问题，并提出两种有效方法来缓解该问题。结果表明，通过明确区分源语言和目标语言的训练数据，可以提高现有方法在六个翻译任务上的表现。同时，作者还发现语言覆盖偏差问题也能够解释回译所导致的性能下降表现，并在数据增强的两种代表性方法中实现了更好的表现。

    Jun, 2021

  • 机器翻译中性别偏见的评估

    本研究利用两个共指解析数据集，通过 8 种有语法性别的目标语言中的形态分析，第一次提出了机器翻译中性别偏见的挑战集和评估协议，并发现四个流行的工业机器翻译系统和两个最新的学术机器翻译模型在所有测试的目标语言上都容易出现性别偏见翻译错误。

    Jun, 2019

  • 多样性与语言技术：如何科技语言偏见导致知识公正失衡

    通过本文的研究表明，AI 技术的推广仍存在技术语言偏见的问题，这导致一些系统无法正确地表达来自其他社区的概念，从而忽视多样性和边缘化语言社群的需求和世界观。

    Jul, 2023

  • 构建数字语言鸿沟的桥梁

    AI 技术中的语言偏见是研究和开发方法论不公正的结果，我们提出了一项新的倡议，旨在通过技术设计和方法论，与当地社区进行眼球级的合作，减少语言偏见。

    Jul, 2023