Not logged in.
Quick Search - Contribution
Contribution Details
| Type | Master's Thesis |
| Scope | Discipline-based scholarship |
| Title | Detecting and Mitigating Social Biases in Knowledge Bases |
| Organization Unit | |
| Authors |
|
| Supervisors |
|
| Language |
|
| Institution | University of Zurich |
| Faculty | Faculty of Business, Economics and Informatics |
| Number of Pages | 85 |
| Date | 2018 |
| Abstract Text | This master thesis is about investigation of social biases in the knowledge bases. We examine, among other things, different professions and their association with a person's gender, race or regional differences. We present three methods to detect such biases. The differences between single regions or the varying distribution regarding the genders and professions are significant. We demonstrate with experiments on two large and widely used knowledge bases the different kinds of biases they can contain. The purpose of this work is to raise awareness, that this social biases can have an impact on the usage of those databases, given that mitigating is not a trivial task. |
| Zusammenfassung | Die vorliegende Masterarbeit untersucht soziale Verzerrungen in Wissensdatenbanken. Dabei werden unter anderem verschiedene Berufsgattungen und deren Zusammenhang mit dem Geschlecht, der ethnischen Zugehörigkeit einer Person oder regionalen Unterschieden untersucht. Es werden drei verschiedene Varianten aufgezeigt, solche Verzerrungen aufzudecken. Die Unterschiede einzelner Regionen oder der Geschlechterverteilung einzelner Berufe sind teils gravierend. Wir demonstrieren anhand von Experimenten mit zwei verschiedenen Wissensdatenbanken verschiedene Arten von Verzerrungen. Diese Arbeit soll dabei das Bewusstsein steigern, dass solche Verzerrungen für die Nutzer dieser Datenbanken einen grossen Einfluss haben können. Solch unerwünschte Effekte auszugleichen ist keine triviale Aufgabe. |
| PDF File |
Download
|
| Export |
BibTeX
|