Significance of Chain of Thought in Gender Bias Mitigation for English-Dravidian Machine Translation

本文研究了机器翻译系统中的性别偏见问题，这对于实现准确和包容性的翻译构成了重要挑战。该文分析了德拉维达语系中的泰卢固语和卡纳达语等语言的机器翻译系统中的性别偏见问题，使用了谷歌翻译和ChatGPT进行分析，研究性别词尾如何影响翻译的准确性和中立性。研究发现，虽然复数形式可以减少偏见，但基于个人的句子通常由于历史刻板印象而保持偏见。该研究评估了思维链处理，指出在泰卢固语中，偏见从80％减少到4％，在卡纳达语中从40％减少到0％。该研究还比较了泰卢固语和卡纳达语的翻译，强调需要针对不同语言采取特定的策略来解决这些挑战，并提出未来研究的方向，以增强数据准备和推理过程中的公平性。

研究性别偏见在印度德拉维达语系机器翻译系统中的影响，分析性别词尾对翻译准确性和中立性的影响。

通过使用Chain of Thought处理来减少性别偏见，同时强调需要针对不同语言制定具体策略以解决这一问题。

实验使用了Google Translate和ChatGPT进行翻译，发现复数形式可以减少偏见，但是基于个体的句子往往会保持偏见。实验中使用的Chain of Thought处理在Telugu和Kannada中将偏见从80%降低到4%和从40%降低到0%。论文提出了未来研究的方向，以提高数据准备和推理过程中的公正性。

最近的相关研究包括“Mitigating Gender Bias in Natural Language Processing: Literature Review”和“Gender Bias in Machine Translation and its Evaluation Metrics”。