乌达巴拉 张贯虹

摘要：近年来，性别偏见引起自然语言处理领域研究者们的关注。已有研究工作证实，性别偏见不仅影响模型性能，且其传播将进一步对下游产品产生一定的危害。文章探究性别偏见对文本情绪分析的影响，提出基于对抗网络模型的性别偏见消减方法。实验结果表明，在文本数据集上，文章提出的对抗性训练方法相比其他减偏方法，使TPR-GAP下降约0.02～0.03，而性能只降低了0.8个点。

关键词：性别偏见；文本情绪分析；对抗网络

中图分类号：TP391        文献标识码：A

文章编号：1009-3044（2023）34-0029-03

开放科学（资源服务）标识码（OSID）

0 引言

近年来，性别偏见（Gender Bias） 在NLP领域受到了关注，它不仅影响NLP模型的性能，其传播在很大程度上会对下游产品产生一些危险的刻板印象。

性别偏见没有统一的定义，也没有用于衡量它的统一标准。但研究者们普遍认为，性别偏见是对一种性别的偏好或偏见[1]，它存在于NLP 模型或系统的多个方面，比如训练数据、预训练模型和训练算法等。以下通过例子来说明不同任务中存在的性别偏见。

例句1. 机器翻译系统[2]。英语： The doctor asked the nurse to help her in the procedure. 西班牙语： El doctor le pidio a la enfermera que le ayudara con el procedimiento.

在英语源句中，护士的性别是未知的，但与her的共指表明“医生”是女性。西班牙语的目标句使用形态特征来表示性别：el doctor表示男性，而la enfermera表示女性。

例句2.词嵌入[3]。有偏见的词嵌入模型自动生成诸如“男人：女人”，“计算机程序员：家庭主妇”之类的类推。

例句3. 共指解析[4]。一个男人和他的儿子发生了一场可怕的车祸。父亲死了，男孩受了重伤。医院里，外科医生看着病人惊呼，我不能给这个男孩做手术，他是我儿子！……