歧视问题

摘要： 2021年初,各大品牌纷纷“翻车”,春节假期后,相继有热门品牌“翻车”,公关危机核心直指两性歧视问题。茶颜悦色营销创意“翻车”,两次发长文致歉2月19日下午,茶颜悦色营销包装上出现涉嫌低俗和不尊重女性内容的相关话题登上热搜。一石激起千层浪,话题瞬间引发众多网友和用户的议论,并逐渐挖出茶颜悦色过往打“擦边球”营销的案例。

摘要： 海南岛国际电影节美丽亚洲之印度春季影展期间,中印两国影人给嘉宾分享了他们对印度电影的看法。电影是一种非常重要而伟大的媒介■印度国立设计学院电影系Arun Gupta教授这次前来海南岛国际电影节影展,参展的电影《少年舒图的烦恼》,就是我推选的,我之所以推选这部影片,原因主要有:第一,这部影片是由一个年青的女导演来导演的,她有着一个新颖的女性视角;第二,这部电影与大多数传统的印度电影不同,其中没有独立载歌载舞的片段。我还推荐了另外一部影片《学魔》,这部影片主要反映的是印度少年在成长过程中天真的烦恼,我想这在中国和印度青少年当中会引起很大的反响和共鸣。此外,我还推选了一部电影《巴里亚》,主要反映的是印度社会存在的种姓歧视问题。

摘要： 正当性随着人工智能在广度和深度上对人类活动参与程度的日益加深,以巨大便利为诱饵,“机器吃人”的现象正在以前所未有的速度推进。就目前来看,人工智能可能至少带来以下的问题。第一,人工智能会加剧现有的不平等,继而带来新的不平等。目前,人工智能产品中的算法歧视问题已经初现端倪。第二,人工智能可能带来大量的失业问题。人工智能技术能够提升工作的自动化程度,减轻对人力劳动的需求。

摘要： 近些年,企业招聘当中存在的学历歧视现象屡见不鲜,甚至有愈演愈烈的趋势,很多企业在招聘过程中不以实际的需求和岗位要求为标准,而是将学历作为招聘的标准,甚至已经出现盲目追求重点大学、高学历的现象,并且有的企业在招聘时加入了单独的条款,导致出现同等学历不同等待遇的问题,不仅侵害的应聘人员的合法权益,同时也不利于社会人才资源的应用,因此,要积极改变招聘中存在的学历歧视问题.

摘要： 星巴克的种族歧视Elijah Anderson是耶鲁大学非洲裔美国人研究的教授。三年前,他出版了专著《白色空间》，主要关注了美国城市空间的种族歧视问题,他发现原本应该由白人、黑人和拉丁裔组合成的马赛克般的城市公共空间，实际上主要是“白色的”。

摘要： 硅谷职场内的隐形歧视硅谷常常被称作自由和开放的发源地,但最近几年也成了老年歧视问题最凸显的地方,尤其对那些年老的科技从业者一点都不友好。更深刻的问题是,每个人都会变老。老电影《费城青年》里的保罗·纽曼扮演年轻能干的律师劳伦斯,故事中劳伦斯时常抱怨年长的老人从不在圣诞节工作,大客户也都是为那些吸烟斗的老人预留的。他的母亲则安慰劳伦斯,＂总有一天.

摘要： 公民的平等就业作为民生之本,与每一个社会成员息息相关,由此就业歧视问题一直受到各界关注。其中作为隐性歧视的间接就业歧视,成为保障公民劳动就业权的潜在桎梏。按照歧视的形式与实质的区分,可以分为直接歧视和间接歧视。针对就业这一领域而言,直接就业歧视指明显的形式歧视,即雇主出于法律禁止事项而给部分雇员低于其他人的待遇。而间接就业歧视外在的形式往往看似公平,但是不考虑个体之间的差异,要求全体雇员遵守或履行相同的规定、条件或者准则,使某些雇员处于不利地位。

摘要： 本公开涉及一种抵抗联邦学习中歧视传播的节点模型的更新方法，上述方法包括：获取数据节点对应的节点模型；计算数据节点的训练数据对应的类别特征分布均值和数量比率，根据节点模型、类别特征分布均值和数量比率，计算分布加权聚合模型；根据节点模型和分布加权聚合模型计算数据节点对应的正则化项；计算数据节点对应的类别特征分布方差，根据类别特征分布均值和类别特征分布方差，使用跨域特征生成器计算数据节点所需的特征分布层面对应的类别均衡补充项；根据分布加权聚合模型、正则化项和类别均衡补充项更新节点模型。采用上述技术手段，解决现有技术中，缺少解决联邦学习中歧视传播的方案的问题。

摘要： 一种改善离子迁移谱中BN门歧视效应的离子门控制方法，包括：在第一预设时间间隔内，在第一组电极上施加第一电压，在第二组电极上施加第二电压；其中第二电压高于第一电压且两者的电压差为刚好使离子全部不能通过的临界关门电压差；在第二预设时间间隔内，在第一组电极与第二组电极上施加相同大小的电压，使离子能正常通过离子门；在第三预设时间间隔内，在第一组电极上施加第三电压，在第二组电极上施加第四电压；其中第三电压高于第一电压，第四电压高于第三电压且两者的电压差为刚好使离子全部不能通过的临界关门电压差。通过控制BN门的两组电极的电压在三态下随时间做周期性变化，实现了减轻离子门歧视性的同时提高了离子迁移谱仪的分辨率。

摘要： 本发明涉及一种低歧视离子门及控制方法，该装置由依次设置在离子迁移管内的离子源和法拉第盘之间的三个平行、同轴、间隔、绝缘的栅网1、栅网2和栅网3组成。栅网1和离子源之间的区域为反应区，栅网3与法拉第盘之间的区域为迁移区。通过周期性控制该离子门中三个栅网之间的电场，实现不同迁移率离子的低歧视注入。每个周期有三种状态：第一状态时，离子源，栅网1、栅网2和栅网3和法拉第盘上的电势依次降低；调至第二状态，栅网1和栅网2之间的电场方向与反应区及迁移区的电场方向相反，将该离子门调至第三状态，第三状态维持一段时间后，再次切换到第一状态，开始下一周期。这种离子门和控制方法，可以实现不同迁移率离子的低歧视注入。

摘要： 本发明涉及离子迁移谱仪器中离子迁移管的重要组件离子门，具体地说是一种实现迁移率K不同的离子均一、无歧视地通过的离子门装置及控制方法。其充分利用电场对离子空间分布和时域运动特性的影响，通过在离子迁移管内部离子迁移方向上依次设置能够透过离子的第一栅网、第二栅网和第三栅网，形成连接离子迁移管电离区和迁移区的独立离子门区；通过控制各个栅网电极上的电压随时间做周期性时序变化，一方面实现离子在离子门内的富集，另一方面消除不同离子透过离子门所需时间的差异，有利于IMS分辨能力和灵敏度的同时提高。

摘要： 本发明公开了一种基于可解释模型的文本歧视性样本检测生成系统与方法，该方法分三步对文本分类集中包含潜在的歧视性的种子样本进行定位，并检测和生成大量生成歧视性样本：首先通过知识图谱构建给定敏感特征集中所有敏感特征的对应词库和扰动词库；其次，从文本数据集中随机选择一部分样本通过可解释模型得到其Top‑k的重要特征，通过匹配敏感词库选择种子样本；最后通过遗传算法从种子样本中检测出歧视性样本，并生成大量的歧视性样本来重新训练模型，消除模型的歧视性。

摘要： 本公开涉及一种抵抗联邦学习中歧视传播的节点模型的更新方法，上述方法包括：获取数据节点对应的节点模型；计算数据节点的训练数据对应的类别特征分布均值和数量比率，根据节点模型、类别特征分布均值和数量比率，计算分布加权聚合模型；根据节点模型和分布加权聚合模型计算数据节点对应的正则化项；计算数据节点对应的类别特征分布方差，根据类别特征分布均值和类别特征分布方差，使用跨域特征生成器计算数据节点所需的特征分布层面对应的类别均衡补充项；根据分布加权聚合模型、正则化项和类别均衡补充项更新节点模型。采用上述技术手段，解决现有技术中，缺少解决联邦学习中歧视传播的方案的问题。

摘要： 本发明公开了一种基于个体实例对的深度学习模型去偏方法，通过定义深度学习模型偏见，选择原始数据集，进行数据预处理，生成个体歧视实例对，定义偏见指标函数，构建深度学习鲁棒性模型，将个体歧视实例对输入深度学习鲁棒性模型进行微调训练。本发明方法通过一种新的个体实例对生成的数据增强的方法解决了深度学习模型的公平性问题。本发明定义了一种新的偏见指标函数克服了现有评价指标对不同数据集具有功能不通用问题的缺陷，即单独使用某一偏见指标针对多个不同数据集的衡量结果可能不具有评判性。本发明提出了一种新的将对抗训练融入到微调训练中的方式，可以通过微小的再训练量达到较好的去偏效果。

摘要： 本发明涉及一种无歧视的蛋白质热稳定性分析方法用于筛选与配基分子有相互作用的靶蛋白。取蛋白质样品，分别加入和不加入配基分子进行孵育后，进行加热，分离上清液进行酶解和定量蛋白质组学分析，计算配基组和空白组的蛋白质定量结果的差异筛选出配基靶蛋白。本发明只在绝大多数蛋白质的热稳定性有较大变化的温度点进行实验，省去了对配基分子靶蛋白鉴定没有意义的温度点，直接计算配基组和空白组的蛋白质的差异而不去拟合曲线计算ΔTm，更加直观地反映出靶蛋白在加入配基组质和空白组的蛋白质热稳定性的不同，也可以避免很多具有不规则熔化曲线的靶蛋白因无法计算ΔTm而被遗漏，适用于所有对热有响应的蛋白质，提高了靶蛋白鉴定的覆盖度。

摘要： 克服歧视与偏见的人工智能教育反省机器人，包括：数据生成补充步骤；模型重新训练步骤；模型预测步骤。上述方法、系统和机器人，基于大数据和人工智能模型通过生成更多地数据来弥补不同类型用户的数据失衡问题，从而可以避免因数据失衡引起的人工智能偏见、歧视等弊端；同时通过多个人工智能模型来对用户数据进行预测，相互比照，来更早地发现问题，并由人工复核，从而可以更快更早地发现人工智能应用中存在的问题，并能及早进行改正和补救；这两个方面使得人工智能能够在数据和算法模型两个层面进行反省，在人工智能应用的很多领域都意义重大，例如应用于教育领域时能够极大减少甚至避免人工智能因为歧视、偏见等导致的教学事故和负面作用。

摘要： 本申请实施例提供一种歧视性样本生成方法和电子设备，涉及人工智能领域，该方法能够基于样本的梯度进行有指导性的扰动处理以生成多个歧视性样本，无需依赖第三方算法，性能高，歧视性样本生成效率高。具体方案为：根据样本的属性集合中的第一属性判断样本是否是歧视性样本；当样本不是歧视性样本，且未达到预设的扰动门限值，根据样本的梯度对样本进行第一扰动处理，得到扰动后的样本；当扰动后的样本不是歧视性样本，则对扰动后的样本重复进行上述第一扰动处理，直至扰动后的样本为歧视性样本或者第一扰动处理的次数达到预设的扰动门限值；当扰动后的样本是歧视性样本，根据扰动后的样本生成多个歧视性样本。本申请实施例用于生成歧视性样本。