WEFE：词向量公平性评估框架

WEFE：词向量公平性评估框架

wefe WEFE: The Word Embeddings Fairness Evaluation Framework. WEFE is a framework that standardizes the bias measurement and mitigation in Word Embeddings models. Please feel welcome to open an issue in case you have any questions or a pull request if you want to contribute to the project! 项目地址: https://gitcode.com/gh_mirrors/we/wefe

1. 项目基础介绍

WEFE（Word Embedding Fairness Evaluation）是一个开源库，旨在测量和缓解词向量模型中的偏见。该项目使用Python编程语言编写，为研究人员和开发者提供了一个统一、标准的接口来评估和调整词向量模型中的公平性。

2. 项目的核心功能

• 统一框架：WEFE将许多现有的公平性度量方法统一在一个框架中，使用户能够方便地封装和设计新的公平性度量。
• 标准查询对象：提供了一种称为“查询”的标准对象，用于封装公平性度量中使用的测试词。
• 模型评估：可以计算给定预训练词向量模型上的公平性度量，使用用户提供的查询。
• 偏见缓解：通过类似于scikit-learn的fit-transform接口，标准化了偏见缓解过程。

3. 项目最近更新的功能

• 修复了RIPA中的错误：更新中修复了一个在RIPA中未包括最后一对目标词的bug。
• 性能基准对比：添加了一个基准测试，将WEFE与其他测量和偏见缓解库的性能进行了比较。
• 文档更新：增加了自原始论文发布以来的库变更页面，并重构了文档结构，现在分为用户指南和理论框架两部分。
• 新的偏见缓解方法：实现了三种新的偏见缓解方法：双重硬偏见、半同胞回归和推斥吸引中性化。
• 多语言示例：增加了社区贡献的多语言示例。
• API和示例改进：API文档和度量和偏见缓解方法的示例得到了改进。
• 测试机制改进：提高了度量和偏见方法的库测试机制。
• 其他修复和改进：包括对查询的错误表示、WordEmbeddingModel的repr实现、CI测试迁移到GitHub Actions，以及许可证更改为MIT等。

wefe WEFE: The Word Embeddings Fairness Evaluation Framework. WEFE is a framework that standardizes the bias measurement and mitigation in Word Embeddings models. Please feel welcome to open an issue in case you have any questions or a pull request if you want to contribute to the project! 项目地址: https://gitcode.com/gh_mirrors/we/wefe