다중 작업 학습을 통한 사회적 편향에서 방언 분리하여 공정성 향상

방언은 지역 또는 사회 그룹에서 발생하는 언어의 구문 및 어휘 변 variation을 도입합니다. 대부분의 NLP 방법은 이러한 변 variation에 민감하지 않습니다. 이로 인해 방법의 불공정한 행동이 초래되어 방언 화자에 대한 부정적인 편향을 전달할 수 있습니다. 기존 연구는 증오 발언과 같은 측면의 방언 관련 공정성을 연구했지만, 외설성과 같은 편향된 언어의 다른 측면은 완전히 탐구되지 않았습니다. 이 격차를 해소하기 위해, 우리는 편향된 언어의 다섯 가지 측면 감지에서 방언 간의 성능 불균형을 조사하고 이를 완화하는 방법을 연구합니다. 편향을 완화하기 위해, 우리는 구문 및 어휘 변 variation을 포함하기 위한 보조 작업으로 방언 언어를 모델링하는 다중 작업 학습 접근 방식을 제시합니다. 아프리카계 미국인 영어 방언을 사용하는 실험에서는 방언 모델링으로 일반 학습 방법을 보완한 것이 공정성을 개선한다는 경험적 증거를 제공합니다. furthermore, 결과는 다중 작업 학습이 최첨단 성능을 달성하고 편향된 언어의 속성을 보다 신뢰성 있게 감지하는 데 도움을 준다는 것을 시사합니다.