論文の概要: Beyond Good Intentions: Reporting the Research Landscape of NLP for
Social Good
- arxiv url: http://arxiv.org/abs/2305.05471v3
- Date: Sat, 21 Oct 2023 13:41:57 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-25 12:46:33.602879
- Title: Beyond Good Intentions: Reporting the Research Landscape of NLP for
Social Good
- Title（参考訳）: 善意を超えて:社会善のためのNLPの研究ランドスケープを報告
- Authors: Fernando Gonzalez, Zhijing Jin, Bernhard Sch\"olkopf, Tom Hope,
Mrinmaya Sachan, Rada Mihalcea
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 115.1507728564964
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: With the recent advances in natural language processing (NLP), a vast number
of applications have emerged across various use cases. Among the plethora of
NLP applications, many academic researchers are motivated to do work that has a
positive social impact, in line with the recent initiatives of NLP for Social
Good (NLP4SG). However, it is not always obvious to researchers how their
research efforts are tackling today's big social problems. Thus, in this paper,
we introduce NLP4SG Papers, a scientific dataset with three associated tasks
that can help identify NLP4SG papers and characterize the NLP4SG landscape by:
(1) identifying the papers that address a social problem, (2) mapping them to
the corresponding UN Sustainable Development Goals (SDGs), and (3) identifying
the task they are solving and the methods they are using. Using
state-of-the-art NLP models, we address each of these tasks and use them on the
entire ACL Anthology, resulting in a visualization workspace that gives
researchers a comprehensive overview of the field of NLP4SG. Our website is
available at https://nlp4sg.vercel.app. We released our data at
https://huggingface.co/datasets/feradauto/NLP4SGPapers and code at
https://github.com/feradauto/nlp4sg
- Abstract（参考訳）: 自然言語処理(NLP)の最近の進歩により、様々なユースケースにまたがって多数のアプリケーションが登場した。
NLP応用の多さの中で、NLP for Social Good (NLP4SG) の最近の取り組みに則って、多くの学術研究者は、社会に良い影響を与える仕事を行う動機がある。
しかし、研究者が今日の大きな社会問題にどのように取り組んでいるかは必ずしも明らかではない。
そこで本稿では,NLP4SG Papersという,NLP4SG論文を識別し,NLP4SGのランドスケープを特徴付ける3つの関連タスクを持つ科学データセットを紹介し,(1)社会問題に対処する論文の識別,(2)対応する国連持続開発目標(SDG)へのマッピング,(3)解決している課題と利用方法の特定を行う。
現状のNLPモデルを用いて、これらのタスクに対処し、ACLアンソロジー全体で使用することにより、研究者がNLP4SGの分野を概観する可視化ワークスペースを提供する。
私たちのウェブサイトはhttps://nlp4sg.vercel.app.comで入手できる。
私たちはデータをhttps://huggingface.co/datasets/feradauto/nlp4sgpapersとhttps://github.com/feradauto/nlp4sgでリリースした。
関連論文リスト
- The Nature of NLP: Analyzing Contributions in NLP Papers [77.31665252336157]
我々は,NLP研究を構成するものについて,研究論文から定量的に検討する。
以上の結果から,NLPにおける機械学習の関与は,90年代前半から増加傾向にあることが明らかとなった。
2020年以降、言語と人々への関心が復活した。
論文 参考訳（メタデータ） (2024-09-29T01:29:28Z) - Large Language Models Meet NLP: A Survey [79.74450825763851]
大規模言語モデル(LLM)は自然言語処理(NLP)タスクにおいて印象的な機能を示している。
本研究は,以下の課題を探求することによって,このギャップに対処することを目的とする。
論文 参考訳（メタデータ） (2024-05-21T14:24:01Z) - What Can Natural Language Processing Do for Peer Review? [173.8912784451817]
現代の科学ではピアレビューが広く使われているが、それは難しく、時間がかかり、エラーを起こしやすい。
ピアレビューに関わるアーティファクトは大部分がテキストベースであるため、自然言語処理はレビューを改善する大きな可能性を秘めている。
筆者らは、原稿提出からカメラ対応リビジョンまでの各工程について詳述し、NLP支援の課題と機会について論じる。
論文 参考訳（メタデータ） (2024-05-10T16:06:43Z) - The Shifted and The Overlooked: A Task-oriented Investigation of
User-GPT Interactions [114.67699010359637]
実際のユーザクエリの大規模なコレクションをGPTに解析する。
ユーザインタラクションでは'設計'や'計画'といったタスクが一般的だが,従来のNLPベンチマークとは大きく異なる。
論文 参考訳（メタデータ） (2023-10-19T02:12:17Z) - HugNLP: A Unified and Comprehensive Library for Natural Language
Processing [14.305751154503133]
本稿では,HugingFace Transformersのバックエンドを備えた自然言語処理(NLP)ライブラリであるHugNLPを紹介する。
HugNLPは、モデル、プロセッサ、アプリケーションを含む階層構造で構成され、異なるNLPタスクで事前訓練された言語モデル(PLM)の学習プロセスを統一する。
論文 参考訳（メタデータ） (2023-02-28T03:38:26Z) - 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) - How Good Is NLP? A Sober Look at NLP Tasks through the Lens of Social
Impact [31.435252562175194]
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。
論文 参考訳（メタデータ） (2021-06-04T09:17:15Z)
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。