Key points are not available for this paper at this time.
편향된 언어는 오늘날의 온라인 소셜 미디어에서 널리 퍼져 있습니다. 온라인 편향된 언어의 양을 줄이기 위한 첫 번째 중요한 단계는 이러한 편향된 언어를 정확하게 감지하는 것입니다. 이는 이상적으로는 자동으로 이루어져야 합니다. 그러나 이는 어려운 문제입니다. 편향된 언어 분류기를 훈련하는 데 필요한 주석 데이터는 전문가에게서 수집할 때는 희소하고 비용이 많이 들거나, 군중 작업자로부터 수집할 때는 소음이 많고 잠재적으로 편향될 수 있기 때문입니다. 따라서 이러한 주석에 기반하여 구축된 편향된 언어 분류기는 부정확하거나 때때로 불공정할 수 있습니다(예: 서로 다른 정치적 성향을 가진 텍스트들 간의 체계적인 정확도 차이를 가질 수 있음). 본 논문에서는 편향된 언어 감지를 위한 새로운 방법인 CLEARE를 제안합니다. 이 방법에서는 자기 지도 대조 학습을 활용하여 편향된 언어 분류기를 향상시키며, 최악의 데이터 증대 전략이 선택되더라도 최상의 분류 성능을 달성하는 데 도움이 될 수 있도록 텍스트 데이터를 솔루션으로 Robust 인코더를 학습합니다. 광범위한 평가 결과에 따르면, CLEARE는 여러 벤치마크 데이터세트에서 최신 편향된 언어 감지 방법에 비해 정확성과 공정성을 모두 개선하는 측면에서 상당한 향상을 보여줍니다.
Li et al. (Tue,)는 이 질문을 연구했습니다.