Fine-tuning Neural Machine Translation on Gender-Balanced Datasets
Fine-tuning Neural Machine Translation on Gender-Balanced Datasets
复制标题
DOI：
--
复制
发表时间：
2020
期刊：
影响因子：
--
通讯作者：
M. Costa-jussà;Adrià de Jorge
中科院分区：
文献类型：
--
作者：
M. Costa-jussà;Adrià de Jorge
数据集中某些社区的虚假陈述正在对人工智能应用造成巨大破坏。在本文中，我们建议使用来自维基百科的自动提取的性别平衡数据集并行语料库。这个平衡集用于从在不平衡数据集上训练的更大模型中执行微调技术，以减轻神经机器翻译中的性别偏见。
Misrepresentation of certain communities in datasets is causing big disruptions in artificial intelligence applications. In this paper, we propose using an automatically extracted gender-balanced dataset parallel corpus from Wikipedia. This balanced set is used to perform fine-tuning techniques from a bigger model trained on unbalanced datasets to mitigate gender biases in neural machine translation.