Computerlinguistik, Maschinelles Lernen

Eine umfassende Studie zur geschlechtsspezifischen Verzerrung in chemischen Named Entity Recognition-Modellen

Chemische Named Entity Recognition-Modelle zeigen deutliche geschlechtsspezifische Verzerrungen, bei denen weibliche Namen häufiger als Chemikalien fehlklassifiziert werden, insbesondere bei Markenname-Erwähnungen. Darüber hinaus werden Leistungsunterschiede zwischen Daten, die mit weiblichen und männlichen Personen assoziiert sind, beobachtet. Viele Systeme erkennen Verhütungsmittel wie die Pille nicht zuverlässig.

Eine umfassende Studie zur geschlechtsspezifischen Verzerrung in chemischen Named Entity Recognition-Modellen

Effiziente Einbettung von Übersetzungen für die automatische Glossierung von Ressourcen mit geringen Mitteln