Oct, 2022

性别重写共享任务

PDF
TL;DR本文介绍了第七届阿拉伯语自然语言处理研讨会上举办的 Gender Rewriting 共享任务的结果和发现，该任务需要生成给定句子的替代版本以匹配不同的目标用户性别背景（例如女性发言人与男性听众、男性发言人与男性听众等等），这需要改变涉及用户的某些词的语法性别（阳性或阴性）。在本任务中，我们专注于阿拉伯语，这是一种具有性别标记且词形丰富的语言，共有来自四个国家的五个团队参加了该共享任务。
发现论文，激发创造
  • 用户中心的性别重写

    该研究针对阿拉伯语的两个用户的上下文中的语法性别，开发了一个多步骤的系统，以结合基于规则和神经重写模型的正面方面。通过使用商业机器翻译系统的后处理输出，提供基于用户语法性别喜好的个性化输出。

    May, 2022

  • 用户感知的阿拉伯语性别重写器

    介绍了 User-Aware Arabic Gender Rewriter，一个基于用户的阿拉伯语性别重写对于两个用户的上下文环境的 Web 系统。该系统可以接受阿拉伯语或英语句子作为输入，并为用户提供指定所需的第一和 / 或第二人称目标性别的能力。系统输出重写阿拉伯语输入句子的性别替代（或其英语翻译，在英语输入的情况下），以匹配目标用户的性别偏好。

    Oct, 2022

  • 阿拉伯语平行性别语料库 2.0：扩展和分析

    该研究关注自然语言处理中的性别偏见问题，而新推出的阿拉伯语平行语料库对在阿拉伯语等形态丰富语言中缓解此问题有着重要作用。

    Oct, 2021

  • 利用有偏模型去偏见文本：一种性别公平的重写模型

    探讨通过机器翻译来创建性别不平等文本数据，用于生成更公平性别语言的模型训练，从而消除语言规则的影响和提高性能。

    May, 2023

  • NeuTral Rewriter：基于规则和神经网络的性别中性化自动改写方法

    提出了一种针对英语的基于规则和神经网络的性别中立改写方法，使用手工和自动生成数据进行了评估。实验结果表明，我们的 NeuTral Rewriter 针对合成、领域内和领域外测试结果的字错误率（WER）低于 0.18％。

    Sep, 2021

  • 面向英阿语的性别感知口语翻译

    本文介绍了一种解决语言没有性别协议的情况下进行机器翻译的方法，并通过适应方法提高了 2 个 BLEU 分数。

    Feb, 2018

  • 使用目标性别标注缓解机器翻译中的性别偏见

    在机器翻译中，当源语言句子未提供主语的性别信息时，系统往往选择最常见的翻译选项，从而可能加剧某些群体和人员的偏见和边缘化。为减少对性别刻板印象的依赖，本论文提出使用包含主语性别信息的单词级别注释训练机器翻译系统的方法，实验结果表明，这可使机器翻译系统在五种语言对上的 WinoMT 测试集上准确度提高高达 25.8 个百分点。

    Oct, 2020

  • 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

  • 利用反事实数据增强来减轻语言中丰富形态学的性别刻板印象

    提出一种新方法，在语法形态复杂的语言（如西班牙语和希伯来语）中将男性化和女性化的句子互相转换，以达到减少性别刻板印象的目的，同时保持语法正确性。

    Jun, 2019

  • 他们、他们的：使用中性英语重写

    本研究关注技术的负责任发展，着眼于包容其希望支持的不同用户群体。在此基础上，对英文中一种常见的提倡性别包容的表达方式 —— 单数 they 展开案例研究。研究通过定义重写任务，创建评估基准，构建模型等方式，成功实现了语言性别中立，无需人工标记数据即可达到小于 1% 的错误率。此外，研究探讨了该任务的实际应用和伦理考虑，并提出了未来研究的方向，旨在推动包容性自然语言系统的发展。

    Feb, 2021