prikaz prve stranice dokumenta Uklanjanje pristranosti na demografske informacije u tekstnim podatcima
Rad nije dostupan
diplomski rad
Uklanjanje pristranosti na demografske informacije u tekstnim podatcima
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2019. urn:nbn:hr:168:308675
Baban, Jure
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Baban, J. (2019). Uklanjanje pristranosti na demografske informacije u tekstnim podatcima (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:308675

Baban, Jure. "Uklanjanje pristranosti na demografske informacije u tekstnim podatcima." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2019. https://urn.nsk.hr/urn:nbn:hr:168:308675

Baban, Jure. "Uklanjanje pristranosti na demografske informacije u tekstnim podatcima." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2019. https://urn.nsk.hr/urn:nbn:hr:168:308675

Baban, J. (2019). 'Uklanjanje pristranosti na demografske informacije u tekstnim podatcima', Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 26.12.2024., https://urn.nsk.hr/urn:nbn:hr:168:308675

Baban J. Uklanjanje pristranosti na demografske informacije u tekstnim podatcima [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2019 [pristupljeno 26.12.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:308675

J. Baban, "Uklanjanje pristranosti na demografske informacije u tekstnim podatcima", Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2019. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:308675

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:308675
Podaci o radu
NaslovUklanjanje pristranosti na demografske informacije u tekstnim podatcima
Naslov (engleski)Debiasing Methods for Demographic Information in Textual Data
AutorJure Baban
MentorJan Šnajder (mentor)
Član povjerenstvaJan Šnajder (predsjednik povjerenstva)
Član povjerenstvaBojana Dalbelo-Bašić (član povjerenstva)
Član povjerenstvaAnte Đerek (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2019-07-02, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
Klasifikacija teme je čest zadatak u klasifikaciji teksta. Kao što je slučaj u većini zadataka klasifikacije teksta, odluke klasifikatora često mogu biti iskrivljene zbog pristranosti u podatcima za učenje, uključujući pristranost na informacije o rodu osobe. Ovaj rad opisuje dva uobičajena pristupa u uklanjanju pristranosti na informacije o rodu osobe – vektorske reprezentacije riječi s uklonjenom pristranošću i suparničko učenje – obje namijenjene poboljšanju poštenja za predikciju glavnog zadatka (u ovom radu predikcija teme), koje funkcioniraju smanjivanjem količine informacija o rodu autora teksta. Navedeno je učinjeno na skupu komentara sa Reddita, nakon što je demonstrirano postojanje informacija o rodu autora jednostavnim linearnim modelom. Nadalje, ovaj rad ispituje povezanost rodne stereotipnosti tema sa uklanjanjem informacija o rodu. Naposljetku, rad pruža uvid u značajke koje najviše doprinose odlukama klasifikatora, uz načine na koji su tematske informacije i informacije o rodu autora povezane.
Sažetak (engleski)
Topic classification is a common task in text classification. As in most text classification tasks, classifier’s decisions can easily be skewed by biases in training data, including gender bias. This thesis describes two common approaches in gender information debiasing – debiased word embeddings, and adversarial learning – both of which aim at improving fairness for main task prediction, in this case being the topic prediction, by mitigating author’s gender information. This is done on a dataset containing comments extracted from Reddit, after showing the existence of gender-related information with a simple linear model. Furthermore, this thesis investigates the relation of gender stereotypicality of a topic with the removal of gender-related information. Lastly, an insight into which features contribute to classifier’s decision is presented, along with the ways in which topic- and gender-related information relate to one another.
Ključne riječi
Ključne riječi (engleski)
Jezikengleski
URN:NBNurn:nbn:hr:168:308675
Studijski programNaziv: Računarstvo
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaZatvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Javna napomena
Datum i vrijeme pohrane2020-01-07 16:12:20