論文の概要: How Good Is NLP? A Sober Look at NLP Tasks through the Lens of Social
Impact
- arxiv url: http://arxiv.org/abs/2106.02359v1
- Date: Fri, 4 Jun 2021 09:17:15 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-08 00:37:20.268008
- Title: How Good Is NLP? A Sober Look at NLP Tasks through the Lens of Social
Impact
- Title(参考訳): NLPはどのくらい良いか?
社会的影響のレンズを通してnlpタスクを見る
- Authors: Zhijing Jin, Geeticka Chauhan, Brian Tse, Mrinmaya Sachan, Rada
Mihalcea
- Abstract要約: NLPタスクの直接的および間接的実世界の影響を評価するためのフレームワークを提案する。
我々は、NLP研究の優先要因を特定するために、グローバル優先研究の方法論を採用する。
最後に、我々の理論的枠組みを用いて、今後のNLP研究のための実践的ガイドラインを提供する。
- 参考スコア(独自算出の注目度): 31.435252562175194
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Recent years have seen many breakthroughs in natural language processing
(NLP), transitioning it from a mostly theoretical field to one with many
real-world applications. Noting the rising number of applications of other
machine learning and AI techniques with pervasive societal impact, we
anticipate the rising importance of developing NLP technologies for social
good. Inspired by theories in moral philosophy and global priorities research,
we aim to promote a guideline for social good in the context of NLP. We lay the
foundations via moral philosophy's definition of social good, propose a
framework to evaluate NLP tasks' direct and indirect real-world impact, and
adopt the methodology of global priorities research to identify priority causes
for NLP research. Finally, we use our theoretical framework to provide some
practical guidelines for future NLP research for social good. Our data and
codes are available at http://github.com/zhijing-jin/nlp4sg_acl2021
- Abstract(参考訳): 近年、自然言語処理(NLP)において多くのブレークスルーが見られ、理論的な分野から現実の応用に移行している。
広範に社会に影響を及ぼす他の機械学習やAI技術の応用が増えていることに注目し、社会改善のためのNLP技術を開発することの重要性を期待する。
道徳哲学とグローバル優先研究の理論に触発されて,NLPの文脈における社会善に関するガイドラインの推進を目指す。
我々は,モラル哲学の社会善の定義を通じて基礎を定め,nlpタスクの直接的および間接的実世界的影響を評価する枠組みを提案し,nlp研究の優先要因を特定するためにグローバル優先順位研究の方法論を採用する。
最後に,我々は理論的枠組みを用いて,今後のnlp研究のための実践的ガイドラインを提示する。
我々のデータとコードはhttp://github.com/zhijing-jin/nlp4sg_acl2021で入手できる。
関連論文リスト
- On the Origins of Bias in NLP through the Lens of the Jim Code [1.256413718364189]
我々は、現在の自然言語処理(NLP)モデルにおけるバイアスを、過去500年間の人種差別、性差別、ホモフォビアの起源にまで遡る。
NLPパイプラインのバイアスの原因が社会問題にどのように根ざしているかを示す。
論文 参考訳(メタデータ) (2023-05-16T08:37:13Z) - Beyond Good Intentions: Reporting the Research Landscape of NLP for
Social Good [115.1507728564964]
NLP4SG Papersは3つのタスクを関連づけた科学データセットである。
これらのタスクはNLP4SGの論文を特定し、NLP4SGのランドスケープを特徴付けるのに役立つ。
現状のNLPモデルを用いてこれらのタスクに対処し、ACLアンソロジー全体においてそれらを使用する。
論文 参考訳(メタデータ) (2023-05-09T14:16:25Z) - FinTech for Social Good: A Research Agenda from NLP Perspective [43.2190101005697]
NLPが社会のためにFinTechでどのように役立つかについては議論がない。
本稿は、FinTechでNLPをソーシャルグッズに活用する方法について、私たちの考えを共有します。
論文 参考訳(メタデータ) (2022-11-13T22:29:41Z) - Why Should Adversarial Perturbations be Imperceptible? Rethink the
Research Paradigm in Adversarial NLP [83.66405397421907]
セキュリティシナリオにおけるテキスト敵検体の研究パラダイムを再考する。
最初に、セキュリティデータセットコレクションのAdvbenchを収集し、処理し、リリースします。
次に,現実の攻撃手法をシミュレートするために,現実の敵目標を容易に達成できるルールに基づく簡単な手法を提案する。
論文 参考訳(メタデータ) (2022-10-19T15:53:36Z) - Meta Learning for Natural Language Processing: A Survey [88.58260839196019]
ディープラーニングは自然言語処理(NLP)分野において主要な技術である。
ディープラーニングには多くのラベル付きデータが必要です。
メタ学習は、より良いアルゴリズムを学ぶためのアプローチを研究する機械学習の分野である。
論文 参考訳(メタデータ) (2022-05-03T13:58:38Z) - Systematic Inequalities in Language Technology Performance across the
World's Languages [94.65681336393425]
本稿では,言語技術のグローバルな有用性を評価するためのフレームワークを紹介する。
本分析では, ユーザ対応技術と言語的NLPタスクの両面において, より深く研究されている。
論文 参考訳(メタデータ) (2021-10-13T14:03:07Z) - Ensuring the Inclusive Use of Natural Language Processing in the Global
Response to COVID-19 [58.720142291102135]
低リソース言語を網羅することで、現在のNLPアプローチと将来のNLPアプローチをより包括的に行う方法について議論する。
我々は,NLPの正の社会的影響を最大化することに関心のある研究者のために,いくつかの今後の方向性を提案する。
論文 参考訳(メタデータ) (2021-08-11T12:54:26Z) - Translational NLP: A New Paradigm and General Principles for Natural
Language Processing Research [2.4026906978773144]
自然言語処理(NLP)研究は、基礎科学を通じて普遍的な原則の研究と、特定のユースケースや設定をターゲットとした応用科学を組み合わせる。
本稿では,NLPの基本的な研究と応用研究が相互に伝達するプロセスの構築と促進を目的とした,翻訳NLPの新しいパラダイムについて述べる。
論文 参考訳(メタデータ) (2021-04-16T03:46:10Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。