A taxonomy of bias-causing ambiguities in machine translation

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216224%3A14330%2F22%3A00139270" target="_blank" >RIV/00216224:14330/22:00139270 - isvavai.cz</a>

Výsledek na webu

<a href="http://dx.doi.org/10.18653/v1/2022.gebnlp-1.18" target="_blank" >http://dx.doi.org/10.18653/v1/2022.gebnlp-1.18</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.18653/v1/2022.gebnlp-1.18" target="_blank" >10.18653/v1/2022.gebnlp-1.18</a>

Jazyk výsledku

angličtina

Název v původním jazyce

A taxonomy of bias-causing ambiguities in machine translation

Popis výsledku v původním jazyce

This paper introduces a taxonomy of phenomena which cause bias in machine translation, covering gender bias (people being male and/or female), number bias (singular you versus plural you) and formality bias (informal you versus formal you). Our taxonomy is a formalism for describing situations in machine translation when the source text leaves some of these properties unspecified (eg. does not say whether doctor is male or female) but the target language requires the property to be specified (eg. because it does not have a gender-neutral word for doctor). The formalism described here is used internally by Fairslator, a web-based tool for detecting and correcting bias in the output of any machine translator.

Název v anglickém jazyce

A taxonomy of bias-causing ambiguities in machine translation

Popis výsledku anglicky

This paper introduces a taxonomy of phenomena which cause bias in machine translation, covering gender bias (people being male and/or female), number bias (singular you versus plural you) and formality bias (informal you versus formal you). Our taxonomy is a formalism for describing situations in machine translation when the source text leaves some of these properties unspecified (eg. does not say whether doctor is male or female) but the target language requires the property to be specified (eg. because it does not have a gender-neutral word for doctor). The formalism described here is used internally by Fairslator, a web-based tool for detecting and correcting bias in the output of any machine translator.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

—

Návaznosti

I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2022

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

4th Workshop on Gender Bias in Natural Language Processing, GeBNLP 2022

ISBN

9781955917681

ISSN

—

e-ISSN

—

Počet stran výsledku

6

Strana od-do

168-173

Název nakladatele

Association for Computational Linguistics (ACL)

Místo vydání

Seattle

Místo konání akce

Seattle

Datum konání akce

1. 1. 2022

Typ akce podle státní příslušnosti

CST - Celostátní akce

Kód UT WoS článku

—