التحيزات النمطية غير العادلة (على سبيل المثال، التحيزات الجنسانية أو العنصرية أو الدينية) ترميز نماذج اللغة الحديثة المحددة مسبقا (PLMS) لها آثار أخلاقية سلبية على الاعتماد الواسع النطاق لتكنولوجيا اللغات الحديثة. لعلاج ذلك، تم تقديم مجموعة واسعة من
تقنيات المساواة مؤخرا لإزالة هذه التحيزات النمطية من PLMS. ومع ذلك، فإن طرق الدخل الحالية، ومع ذلك، قم بتعديل جميع معلمات PLMS مباشرة، والتي - إلى جانب كونها باهظة الثمن - مع خطر الكامنة من (كارثي) نسيان المعرفة اللغوية المفيدة المكتسبة في الاحتجاج. في هذا العمل، نقترح نهجا أكثر استدامة للدوائر على أساس محولات Deviasing المخصصة، التي دبلها أديل. بشكل ملموس، نحن (1) وحدات محول حقن في طبقات PLM الأصلية و (2) تحديث المحولات فقط (أي ونحن نعرض أديل، في الدخل الجنساني من BERT: تقييمنا الواسع، يشمل ثلاثة تدابير محلية خارجية ومثيرة للخدمة الخارجية، مما يجعل أديل، فعالة للغاية في تخفيف التحيز. نوضح كذلك - نظرا لطبيعتها المعيارية - أديل، إلى جانب محولات المهام، تحتفظ بالإنصاف حتى بعد التدريب على النمو النطاق واسع النطاق. وأخيرا، عن طريق بيرت متعددة اللغات، نجحنا في نقل أديل بنجاح إلى ست لغات مستهدفة.
الكشف عن العلاقة في أسئلة المعرفة الأساسية الإجابة، تهدف إلى تحديد مسار (ق) العلاقات بدءا من عقدة كيان الموضوع المرتبطة بعقدة الإجابة في الرسم البياني للمعرفة. قد يتكون هذا المسار من علاقات متعددة، نسميه متعدد القفز. علاوة على ذلك، للحصول على سؤال وا
حد، قد توجد مسارات علاقة متعددة للإجابة الصحيحة، والتي نسميها متعددة الملصقات. ومع ذلك، فإن معظم الأساليب الموجودة لا تكتشف مسارا واحدا فقط للحصول على الإجابة دون النظر في المسارات الصحيحة الأخرى، والتي قد تؤثر على الأداء النهائي. لذلك، في هذه الورقة، نقترح نهجا جديدا للقسمة والانقسام للكشف عن العلاقة متعددة الملصقات متعددة العلامات (DC-MLMH) من خلال تحللها في الكشف عن العلاقة بين الرأس وتوليد مسار العلاقة الشرطية. في محددة، يقترح آلية أخذ العينات على مسار رواية لتوليد مسارات علاقة متنوعة لمرحلة الاستدلال. يتم استخدام سياسة الأصوات للأغلبية للكشف عن إجابة KB النهائية. أجريت تجارب شاملة على مجموعة بيانات Freebaseqa القياسية. تشير النتائج التجريبية إلى أن النهج المقترح لا يتفوق فقط على خطوط خطوط الأساس التنافسية المتعددة التسمية، ولكن أيضا تفوق على بعض أساليب KBQA الحديثة.
