文化偏见

摘要： 实现世界多文化共存共荣,不但需要语言学和跨文化交流研究者从微观角度关注交流中的言语、理解误差,还需要在综合宏观层面寻求文化交流契合口,尽量消除交流障碍,实现有效跨文化交流。文化偏见是文化内群体对外群体文化的消极刻板印象,是跨文化交流的重要阻碍。该文从社会心理学视阈分析内群体成员接触外群体文化时的心理路径,发现文化偏见的减少与消除不但和持续稳定的文化交流相关,也与交流时产生的文化冲击强度相关;并以霍夫斯泰德文化6维度理论为基础,提出“求同存异、调整交流视角,柔和冲击效果”的交流策略,为跨文化交流研究提供新的视角。

摘要： 真实的中国是什么样的?对西方读者来说,这始终是一个一言难尽的问题。诚如萨义德的那本名著《东方主义》所言,西方人在研究东方文明时,始终带着一种优越感和随之而来的文化偏见,因此他们往往会把“东方”描写成一个原始、非理性、暴力、专制和落后的地方。

摘要： 人们对老年人的性问题一直有严重的误解和偏见。大多数影视作品里,老年人都以禁欲的形象出现;如果老年人做出性表达,总会被塑造成让人不舒服的样子;也很少有社会关注老年群体的性权利……这些社会和文化偏见让很多老年人失去了性感知、性需求和性行为。

摘要： 我国体育从业者在社会上现今面临着诸多歧视偏见,这是一个常态现象,且诸多人群认为也是理所应当的现象.鉴于此,通过查找文献等方法,对我国体育从业者颇受文化偏见的现象进行剖析,针对目前体育从业者在社会中受文化偏见的现象进行溯本还源,探析影响其现象产生的历史文化根源.研究发现中国体育从业者所受文化偏见与扎根于中国的儒家文化,科举制度,理性主义,体育项目的传承亦有分不开的关系,诸多因素结合造成了而今的体育从业者遭受文化偏见的现象.

摘要： 牲畜内在赋中常被置于"鄙"处.《楚辞》和汉大赋中,肉食也曾被褒扬,但在《七发》中已被明确否定.而通过猎狩获取的肉类,常与男性勇武气质相关联,游牧民族食肉饮酪又使牲畜肉带有某种异族色彩,这与文人讲求的文雅南辕北辙.相反水产白肉自东晋南朝便与南方秀美风物相结合,并完成诗意化提升.士阶层的养生传统、养德诉求,以及对文人理想形象的塑造,形成了"肉食之鄙"的书写偏见.

摘要： 《东言西语:在语言中重新发现中国》作者:郑子宁出版社:敦煌文艺出版社出版时间:2020年4月日常语言影响着个体的思维方式,方言维系了民族的历史记忆,政治语言决定了国家的现实意识。《东言西语》是一部打破个人思维模式,追寻民族失落历史,探求家国意识逻辑的挑战读者智识边界之书。作者郑子宁以共时的现代汉语方言为经,横观汉语方言与民族文化传承的现实全景,发散式阐明了凝聚于其中的文化偏见;以历时的古代汉语嬗变为纬,纵览中国语言与传统的历史面貌,系统性揭示了遮蔽于其下的文化记忆。

摘要： 随着2017年《中国有嘻哈》节目的播出,说唱文化和说唱音乐开始走入中国流行文化领域,成为一种时尚符号和潮流痕迹.但是,说唱音乐在中国的发展,既面临着新兴文化进入的阵痛,也面临着一定的文化偏见.事实上,说唱文化在中国依旧被认为是"亚文化"的一类,说唱音乐在中国需要经过因地制宜的发展过程.我们应消弭对说唱音乐的文化偏见,建立说唱群体的文化行为规范,接纳文化冲突层面的不确定性,同时为说唱音乐在中国的发展提供更多的内生动力.

摘要： “东方是东方,西方是西方,两者永远不相会。”英国人吉卜林(Joseph Rudyard Kipling)的这一名句虽然被许多人传颂,却难掩诗文背后的简单浪漫与文化偏见。是的,他夸大了东西方之间的隔绝。东方与西方早已相遇。两千多年来的频繁交往,共同创造出耀眼的艺术文化结晶,任何否定的文字在其面前都显得苍白且荒诞。漫长岁月里,丝绸之路早已把东西方两大文明联系在一起。来往的商队和货船,便是文化的使者,使东方与西方跨越千山万水,相逢相交,留下彼此交流的痕迹。

摘要： 本发明公开了一种基于正则化的去社会偏见的语言模型及应用，包括以下步骤：(1)清洗PTB语料文本库后，筛选PTB语料文本库中会出现社会偏见的词语并标记；(2)搭建包括三层LSTM网络、全连接层、softmax层的语言模型；(3)利用PTB语料文本库训练语言模型，在训练时，以文本生成任务的损失Lossaccuracy和去社会偏见正则化项损失Lossfairness组成的总损失Loss为最终损失；(4)每训练一阶段，以语言模型输出的预测文本的社会偏见分数相对PTB语料文本的社会偏见分数的分布状态来评判语言模型的去社会偏见效果，当分布状态满意时，获得最终的语言模型。该语言模型提高了预测输出的公平性。

摘要： 一种基于偏见样本对生成的深度学习模型去偏方法，包括以下步骤：1)深度学习模型偏见的定义；2)数据预处理；3)定义偏见指标函数；4)：构建的深度学习模型包括第一特征提取器和第一分类器两部分，利用数据集对模型进行训练，使模型达到预设精度；5)对模型进行偏见程度检测：利用模型对测试集的输出和偏见指标函数F测试模型的偏见程度并记录；6)数据增强：利用偏见指标函数对偏见样本进行初步划分，通过模糊样本划分法排除假性偏见样本，通过FLIP方法完成数据增强的过程；7)利用FLIP样本对对有偏见的深度学习模型进行微调训练去偏，对训练后的模型进行检验，判断其偏见程度是否达到要求。本发明有效提升模型的公平性。

摘要： 本发明涉及一种基于多模态多去偏见的对话情感识别方法，属于自然语言处理技术领域。对于文本模态，本发明提出了去除五种类型的偏见，包括词向量表示中的性别、年龄、种族、宗教和性少数群体偏见。同时，本发明将文本去偏方法扩展到视觉模态，并着重去除两类最为典型的视觉偏见：性别和种族偏见。本发明进一步提出了一种基于子空间投影的去偏方法，该方法为每种类型的视觉偏见构建一个子空间，并通过将每个视觉信息对象的特征向量表示投影到相应的子空间来代表视觉表示中的所存在的该种类型的偏见，进而将其去除。相比传统多模态对话情感识别方法，本方法更加注重特殊群体的感受，减少了社会偏见。相比现有的大多去偏方法只去除一种偏见，本发明一次去除了五种，关注的特殊群体更多更广泛。

摘要： 本发明公开了一种软件自动修复评估偏见发现及验证方法，包括：步骤S1：收集相关文献；步骤S2：筛选文献；步骤S3：获取已发现的偏见：从步骤S2获取到的偏见研究文献中提取出已发现的偏见；步骤S4：构建树状分类：提出面向自动修复技术评估偏见的树状分类；步骤S5：映射现有偏见：将步骤S3获取到的偏见映射到步骤S4提出的树状中；步骤S6：发现新的偏见：基于步骤S5得到的树状分类偏见映射，发现新的偏见；步骤S7：实现评估软件平台；步骤S8：消除现有偏见：基于软件平台，对现有偏见进行消除；步骤S9：验证新的偏见：在对现有偏见进行消除后，在评估软件平台上对新的偏见进行验证。本发明具有原理简单、操作简便、验证准确性高等优点。

摘要： 本发明涉及一种基于物体偏见修正与有向注意力图的物体导航方法，包括以下步骤：S1、机器人实时获取当前时刻的原始图像；S2、提取视觉输入的全局图像特征I

摘要： 本发明公开了一种基于偏见神经元的数据去偏方法和装置，首先获取原始数据，并对所述原始数据中的类别属性进行标记，得到标记后的数据集，记作数据集X；再翻转数据集X中的敏感属性构成数据集X′，利用数据集X和数据集X′筛选深度学习模型中的偏见神经元；构建反向数据集；取k的反向数据集中的样本扩充至数据集X中合成增强数据集，随后将增强数据集输入至深度模型θ，并对深度模型θ进行训练，直到深度模型θ的分类精度大于80％，完成去偏。本发明通过利用深度学习模型中的偏见神经元反向生成训练样本，将原始样本数据集扩充增强，得到更加公平的数据集用于深度学习模型的训练，从而达到消除偏见的目的，并且提升深度学习模型决策的公平性。

摘要： 本发明公开了一种基于偏见的通用对抗补丁生成方法，同时公开了相应的通用对抗补丁生成装置。本发明基于模型的感知偏见理念，在难样本基础上生成各先验补丁；难样本为目标模型未有效识别的样本；基于模型的语义偏见理念，针对目标模型生成各类原型；根据各先验补丁和各类原型，通过目标模型，生成通用对抗补丁。本发明利用深度神经网络模型的感知偏见和语义偏见生成更具攻击力的通用对抗补丁，有效提高对抗样本的攻击性和通用性，框架结构简单，可随意插拔，并能提升其他类似的对抗补丁生成方法的效果，具有较高的应用价值。

摘要： 本发明涉及一种高通量无偏见的内源性液‑液相分离蛋白质筛选方法，属于生物大分子液‑液相分离领域。对细胞进行相分离诱导处理后裂解，将裂解液离心后的上清液添加至蔗糖浓度梯度最上层，蔗糖浓度梯度从上至下浓度逐渐增大；然后离心，分别收集不同蔗糖浓度梯度的条带，分别提取各条带中的蛋白质进行质谱分析，处理组相对于对照组表达水平有显著差异的蛋白即为筛选到的液‑液相分离蛋白。

摘要： 本发明公开一种社会偏见测量方法、系统和计算机介质，方法包括：S1：划分数据集为训练集、验证集和测试集；S2：使用BERT对训练集进行表征，获得训练集中输入问答句子的表征Ci；S3：构建两阶段提示的对比学习神经网络，利用步骤S2得到表征Ci进行训练，并输出代表社会偏见的标签信息，保存对比学习神经网络训练学习到的参数集；S4：使用验证集验证对比学习神经网络在训练集上学习到的参数集，保存在验证集上效果最好的参数集作为最终参数集，并利用测试集对最终参数集进行测试，得到训练好的对比学习神经网络；S5：利用训练好的对比学习神经网络进行社会偏见类别预测。本发明完成了开放域对话社会偏见的细粒度测量任务。

摘要： 本发明公开了一种面向深度学习模型偏见中毒攻击的防御方法，所述方法包括以下步骤：(1)获取原始样本数据集；(2)对原始样本数据集进行分块划分为子训练集，(3)使用基本分类器训练子训练集；(4)评估每个基本分类器的输入，并计算每个基本分类器分类正确的数量；(5)筛选出分类准确度最高的基本分类器，利用该分类器对深度学习模型再次进行训练，最终得到新训练的深度学习模型。上述方法通过使用散列函数对原始样本数据集中的数据个体样本进行映射，提升了深度学习模型防御偏见中毒攻击的能力。