underrepresented groups | BriefGPT

关键词underrepresented groups

搜索结果 - 8

机器学习中缓解标签偏差：自信学习实现公平
通过筛选最公正的实例并扩展概率阈值的置信区间，结合共同教学范式以提供更可靠的选择，有效地减轻偏见标签带来的不良影响，我们的方法证明在促进公平和减少机器学习模型中标签偏见方面的有效性。
PDF7 months ago
提升情绪对少数群体压力的识别
心理压力检测是心理保健研究中的一个重要任务，但是此前很少有研究调查心理压力模型在少数群体中的有效性，而这些群体对不良的心理健康结果尤为脆弱。在这项工作中，我们使用相关任务的少数群体压力检测来评估心理压力模型理解性别与性取向少数群体语言的能力
PDF7 months ago
IJCAI通过利用网络搜索和生成模型解决图像分类中的弱决策边界
机器学习（ML）技术已知存在伦理和运营问题，但我们正见证企业在敏感应用中部署它们的增长势头。我们提出了一种利用网络搜索和生成模型来缓解判别模型缺陷的方法。我们在 ImageNet 的 People Subtree 子集上展示了我们的方法，并
PDF8 months ago
通过子群混合增强数据以提高公平性
通过对小组之间进行配对混合的数据增广方法，改善组间公平性并提高分类性能，特别是针对少数群体的社会偏见问题。
PDF10 months ago
高效公平排名的可解释性差异补偿
本文提出了易于解释的数据驱动补偿措施，通过给予少数群体额外的奖励积分，来解决排名函数中的不平等问题，并利用高效的基于采样的算法计算奖励积分的数量，以减小不平等的程度。
PDFa year ago
提取传记事件的指南和语料库
本研究提供了一套标准指南用于生命事件的语义注解，以便挖掘出被较少关注的人物生平信息，并可扩展到维基百科等现有的资源中。
PDF2 years ago
朝着更公平的数据集：在 ImageNet 层次结构中过滤和平衡 "人" 子树的分布
本研究认为当前计算机视觉技术中存在针对某些群体的预测结果的不当行为，导致这种情况的可能因素是使用手动注释的数据集制作的模型的数据及标签分布不均。因此，我们对一个大规模的图像本体库 ImageNet 中的 “人” 类别子树中的三个关键因素进行
PDF5 years ago
科学中多样性与创新之悖论
研究发现在科学界中，虽然少数群体具有更高的科学创新率，但是他们却面临晋升困难的局面，导致在学术界中的代表性不足。这一现象被称为多样性悖论，它折射了在科研领域的社会结构中存在的不公平。
PDF5 years ago