論文の概要: Task Preferences across Languages on Community Question Answering Platforms

• arxiv url: http://arxiv.org/abs/2212.09045v1
• Date: Sun, 18 Dec 2022 09:37:20 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-20 18:25:05.096952
• Title: Task Preferences across Languages on Community Question Answering Platforms
• Title（参考訳）: コミュニティ質問応答プラットフォームにおける言語間のタスク選択
• Authors: Sebastin Santy, Prasanta Bhattacharya, Rishabh Mehrotra
• Abstract要約: 我々は,多言語およびタスク指向の質問応答対からなる大規模時系列データセットに基づいて学習したエンティティ埋め込みモデルを実装した。 この結果から,課題選好の相違や,プラットフォーム上での言語コミュニティ間の人気傾向にかなりの違いがあることが示唆された。 検索は、Q&Aプラットフォームが非英語ユーザーのコンテンツをキュレートしパーソナライズするのに役立ちます。
• 参考スコア（独自算出の注目度）: 15.99737805425571
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With the steady emergence of community question answering (CQA) platforms like Quora, StackExchange, and WikiHow, users now have an unprecedented access to information on various kind of queries and tasks. Moreover, the rapid proliferation and localization of these platforms spanning geographic and linguistic boundaries offer a unique opportunity to study the task requirements and preferences of users in different socio-linguistic groups. In this study, we implement an entity-embedding model trained on a large longitudinal dataset of multi-lingual and task-oriented question-answer pairs to uncover and quantify the (i) prevalence and distribution of various online tasks across linguistic communities, and (ii) emerging and receding trends in task popularity over time in these communities. Our results show that there exists substantial variance in task preference as well as popularity trends across linguistic communities on the platform. Findings from this study will help Q&A platforms better curate and personalize content for non-English users, while also offering valuable insights to businesses looking to target non-English speaking communities online.
• Abstract（参考訳）: Quora、StackExchange、WikiHowといったコミュニティ質問応答(CQA)プラットフォームが着実に出現し、ユーザは様々な種類のクエリやタスクに関する情報に前例のないアクセス権を持つようになった。 さらに、地理的および言語的境界にまたがるこれらのプラットフォームの急速な普及とローカライゼーションは、異なる社会言語的グループにおけるユーザのタスク要求と好みを研究するユニークな機会を提供する。 本研究では,多言語およびタスク指向の質問応答ペアの大規模縦型データセット上で学習したエンティティ埋め込みモデルを実装し,その解明と定量化を行う。 (i)言語コミュニティにおける各種オンラインタスクの頻度と分布 (II)これらのコミュニティにおけるタスク人気の出現傾向と後退傾向 以上の結果から,プラットフォーム上の言語コミュニティ間の人気傾向と同様に,タスクの嗜好にかなりのばらつきがあることが判明した。 この研究から得られた発見は、Q&Aプラットフォームが非英語ユーザーのコンテンツをキュレートしパーソナライズし、オンラインの非英語コミュニティをターゲットとするビジネスに価値ある洞察を提供するのに役立つ。

関連論文リスト

• CVQA: Culturally-diverse Multilingual Visual Question Answering Benchmark [68.21939124278065]
  言語と文化の豊富なセットをカバーするために設計された、文化的に多言語なビジュアル質問回答ベンチマーク。 CVQAには文化的に駆動されたイメージと、4大陸30カ国の質問が含まれ、31の言語と13のスクリプトをカバーし、合計10万の質問を提供する。 CVQA上で複数のマルチモーダル大言語モデル (MLLM) をベンチマークし、現在の最先端モデルではデータセットが困難であることを示す。
  論文  参考訳（メタデータ） (2024-06-10T01:59:00Z)
• CReMa: Crisis Response through Computational Identification and Matching of Cross-Lingual Requests and Offers Shared on Social Media [5.384787836425144]
  危機の時代には、ソーシャルメディアプラットフォームはコミュニケーションの促進と資源の調整において重要な役割を担っている。 本稿では,CReMa(Crisis Response Matcher)を提案する。 16言語でヘルプ検索をシミュレートし,ソーシャルメディアに支援を提供する新しい多言語データセットを提案する。
  論文  参考訳（メタデータ） (2024-05-20T09:30:03Z)
• Can a Multichoice Dataset be Repurposed for Extractive Question Answering? [52.28197971066953]
  我々は,Multiple-choice Question answering (MCQA)のために設計されたBandarkar et al.(Bandarkar et al., 2023)を再利用した。 本稿では,英語と現代標準アラビア語(MSA)のためのガイドラインと並列EQAデータセットを提案する。 私たちの目標は、ベレベレにおける120以上の言語変異に対して、他者が私たちのアプローチを適応できるようにすることです。
  論文  参考訳（メタデータ） (2024-04-26T11:46:05Z)
• Quantifying the Dialect Gap and its Correlates Across Languages [69.18461982439031]
  この研究は、明らかな相違を明らかにし、マインドフルなデータ収集を通じてそれらに対処する可能性のある経路を特定することによって、方言NLPの分野を強化する基盤となる。
  論文  参考訳（メタデータ） (2023-10-23T17:42:01Z)
• Fairness in Language Models Beyond English: Gaps and Challenges [11.62418844341466]
  本稿では,多言語・非英語の文脈における公平性について調査する。 これは、現在の研究の欠点と、英語向けに設計された手法が直面する困難を強調している。
  論文  参考訳（メタデータ） (2023-02-24T11:25:50Z)
• Cross-lingual Lifelong Learning [53.06904052325966]
  本稿では,言語間連続学習(CCL)の評価パラダイムを提案する。 マルチリンガルなシーケンシャルな学習を特に難しいものにするための洞察を提供する。 この分析の意味は、異なる言語間連続学習のデシダータを測り、バランスをとる方法のレシピを含む。
  論文  参考訳（メタデータ） (2022-05-23T09:25:43Z)
• Overcoming Language Disparity in Online Content Classification with Multimodal Learning [22.73281502531998]
  大規模言語モデルは、テキスト検出と分類タスクのための最先端のソリューションを開発するための標準となっている。 高度な計算技術と資源の開発は、英語に不相応に焦点が当てられている。 マルチモーダル機械学習を用いて画像に含まれる情報を統合するという約束を探求する。
  論文  参考訳（メタデータ） (2022-05-19T17:56:02Z)
• Delving Deeper into Cross-lingual Visual Question Answering [115.16614806717341]
  標準学習装置に簡単な修正を加えることで、モノリンガル英語のパフォーマンスへの移行ギャップを大幅に減らすことができることを示す。 多言語マルチモーダル変換器の多言語間VQAを多言語間VQAで解析する。
  論文  参考訳（メタデータ） (2022-02-15T18:22:18Z)
• Transfer Learning for Multi-lingual Tasks -- a Survey [11.596820548674266]
  自然言語処理(NLP)におけるクロス言語の内容と多言語主義はホットトピックである。 本稿では,多言語タスクにおける伝達学習技術に着目し,既存の文献の概要を概観する。
  論文  参考訳（メタデータ） (2021-08-28T20:29:43Z)
• Specializing Multilingual Language Models: An Empirical Study [50.7526245872855]
  事前訓練された多言語モデルからの文脈化語表現は、自然言語タスクに対処するデファクトスタンダードとなっている。 これらのモデルではまれに、あるいは一度も見られない言語では、そのようなモデルを直接使用すると、最適な表現やデータの使用につながることが多い。
  論文  参考訳（メタデータ） (2021-06-16T18:13:55Z)

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。