ACLApr, 2021
优先选择翻译更为准确的性别翻译策略
First the worst: Finding better gender translations during beam search
Danielle Saunders, Rosie Sallis, Bill Byrne
TL;DR本研究通过调整推理过程,使用性别特征和应用性别约束条件,改善 $nbest$ 列表的性别多样性,解决了神经机器翻译中的性别偏见问题,最终权衡这些技术可以在不需要额外的双语数据或额外的 NMT 模型的情况下获得显着的 WinoMT 准确度提高.