Bias Free Sentiment Analysis

要約

この論文では、構文構造と単語レベルの感情的手がかりのみに依存してテキスト内の感情を予測する機械学習感情分析 (SA) アーキテクチャである Semantic Propagation Graph Neural Network (SProp GNN) を紹介します。
特定の単語に関する情報に対してモデルを意味的に盲目にすることにより、これまでの機械学習ベースの SA システムを悩ませてきた政治的バイアスやジェンダー バイアスなどのバイアスに対して堅牢になります。
SProp GNN は、2 つの異なる予測タスクおよび 2 つの言語にわたって、VADER や EmoAtlas などの語彙ベースの代替手段よりも優れたパフォーマンスを示します。
さらに、感情予測タスクのバイアスを大幅に削減しながら、トランスフォーマーベースのモデルの精度に近づきます。
SProp GNN は、説明可能性の向上とバイアスの軽減を提供することで、解釈可能な語彙アプローチと、強力だが不透明なことが多いディープ ラーニング モデルとの間の方法論的なギャップを埋め、テキストを通じて人間の行動を理解する際の公平かつ効果的な感情分析のための堅牢なツールを提供します。

要約(オリジナル)

This paper introduces the Semantic Propagation Graph Neural Network (SProp GNN), a machine learning sentiment analysis (SA) architecture that relies exclusively on syntactic structures and word-level emotional cues to predict emotions in text. By semantically blinding the model to information about specific words, it is robust to biases such as political or gender bias that have been plaguing previous machine learning-based SA systems. The SProp GNN shows performance superior to lexicon-based alternatives such as VADER and EmoAtlas on two different prediction tasks, and across two languages. Additionally, it approaches the accuracy of transformer-based models while significantly reducing bias in emotion prediction tasks. By offering improved explainability and reducing bias, the SProp GNN bridges the methodological gap between interpretable lexicon approaches and powerful, yet often opaque, deep learning models, offering a robust tool for fair and effective emotion analysis in understanding human behavior through text.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google