Automatic Gender Identification and Reinflection in Arabic
Automatic Gender Identification and Reinflection in Arabic
复制标题
阿拉伯语中的自动性别识别和变形
DOI：
--
复制
发表时间：
2019
期刊：
影响因子：
--
通讯作者：
Christine Chung
中科院分区：
文献类型：
--
作者：
Nizar Habash;Houda Bouamor;Christine Chung
在许多自然语言处理（NLP）应用中取得的令人印象深刻的进展，增加了人们对这些NLP系统在性别认同方面存在的一些偏见的认识。在本文中，我们提出了一种扩展有偏见的单输出性别盲NLP系统的方法，该系统具有性别特定的替代反射。我们关注的是阿拉伯语，这是一种形态丰富的性别标记语言，在机器翻译（MT）英语的背景下，仅用于第一人称单数结构。我们的贡献是开发了一个独立于系统的性别意识包装器，并建立了一个用于培训和评估阿拉伯语第一人称单数性别识别和反思的语料库。我们的结果成功地证明了这种方法的可行性，在最先进的性别盲MT系统上，第一人称单数阴性的Bleu分数相对提高了8%，第一人称单数阳性的Bleu分数相对提高了5.3%。
The impressive progress in many Natural Language Processing (NLP) applications has increased the awareness of some of the biases these NLP systems have with regards to gender identities. In this paper, we propose an approach to extend biased single-output gender-blind NLP systems with gender-specific alternative reinflections. We focus on Arabic, a gender-marking morphologically rich language, in the context of machine translation (MT) from English, and for first-person-singular constructions only. Our contributions are the development of a system-independent gender-awareness wrapper, and the building of a corpus for training and evaluating first-person-singular gender identification and reinflection in Arabic. Our results successfully demonstrate the viability of this approach with 8% relative increase in Bleu score for first-person-singular feminine, and 5.3% comparable increase for first-person-singular masculine on top of a state-of-the-art gender-blind MT system on a held-out test set.
DOI：
10.1073/pnas.1720347115
发表时间：
2018-04-17
影响因子：
11.1
作者：
Garg, Nikhil;Schiebinger, Londa;Zou, James
通讯作者：
Zou, James