論文の概要: Crowdsourcing Lexical Diversity

• arxiv url: http://arxiv.org/abs/2410.23133v1
• Date: Wed, 30 Oct 2024 15:45:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-31 14:28:11.791864
• Title: Crowdsourcing Lexical Diversity
• Title（参考訳）: クラウドソーシングによる語彙の多様性
• Authors: Hadi Khalilia, Jahna Otterbacher, Gabor Bella, Rusma Noortyani, Shandy Darma, Fausto Giunchiglia,
• Abstract要約: 本稿では,レキシコンのバイアス低減のための新しいクラウドソーシング手法を提案する。 群衆労働者は2つの言語からの語彙を比較し、親族や食べ物といった語彙の多様性に富む領域に焦点を当てる。 食品関連用語に焦点をあてた2つのケーススタディに適用し,本手法の有効性を検証した。
• 参考スコア（独自算出の注目度）: 7.569845058082537
• License:
• Abstract: Lexical-semantic resources (LSRs), such as online lexicons or wordnets, are fundamental for natural language processing applications. In many languages, however, such resources suffer from quality issues: incorrect entries, incompleteness, but also, the rarely addressed issue of bias towards the English language and Anglo-Saxon culture. Such bias manifests itself in the absence of concepts specific to the language or culture at hand, the presence of foreign (Anglo-Saxon) concepts, as well as in the lack of an explicit indication of untranslatability, also known as cross-lingual \emph{lexical gaps}, when a term has no equivalent in another language. This paper proposes a novel crowdsourcing methodology for reducing bias in LSRs. Crowd workers compare lexemes from two languages, focusing on domains rich in lexical diversity, such as kinship or food. Our LingoGap crowdsourcing tool facilitates comparisons through microtasks identifying equivalent terms, language-specific terms, and lexical gaps across languages. We validated our method by applying it to two case studies focused on food-related terminology: (1) English and Arabic, and (2) Standard Indonesian and Banjarese. These experiments identified 2,140 lexical gaps in the first case study and 951 in the second. The success of these experiments confirmed the usability of our method and tool for future large-scale lexicon enrichment tasks.
• Abstract（参考訳）: レキシカル・セマンティック・リソース(LSR)は、オンライン・レキシコン(英語版)やワームネット(英語版)など、自然言語処理アプリケーションの基本である。 しかし、多くの言語では、そのようなリソースは不正確なエントリ、不完全さ、そして英語やアングロサクソン文化に対するバイアスの問題といった品質の問題に悩まされている。 このような偏見は、言語や文化に特有の概念がないこと、外国語(アングロ・サクソン語)の概念が存在しないこと、またある用語が他の言語に同値でない場合に、非翻訳性の明示的な表示がないことに現れている。 本稿では,LSRにおけるバイアス低減のための新たなクラウドソーシング手法を提案する。 群衆労働者は2つの言語からの語彙を比較し、親族や食べ物といった語彙の多様性に富む領域に焦点を当てる。 我々のLingoGapクラウドソーシングツールは、同等用語、言語固有の用語、言語間の語彙的ギャップを識別するマイクロタスクによる比較を容易にする。 食品関連用語に着目したケーススタディとして,(1)英語とアラビア語,(2)インドネシア標準語とバンジャル語を用いた2つのケーススタディを適用し,本手法の有効性を検証した。 これらの実験では,第1症例では2,140個の語彙的ギャップ,第2症例では951個が確認された。 これらの実験の成功により,今後の大規模レキシコン濃縮作業における方法とツールの有用性が確認された。

関連論文リスト

• Thank You, Stingray: Multilingual Large Language Models Can Not (Yet) Disambiguate Cross-Lingual Word Sense [30.62699081329474]
  本稿では,言語間感覚曖昧化のための新しいベンチマーク,StingrayBenchを紹介する。 インドネシア語とマレー語、インドネシア語とタガログ語、中国語と日本語、英語とドイツ語の4つの言語ペアで偽の友人を集めます。 各種モデルの解析において,高リソース言語に偏りが生じる傾向が見られた。
  論文  参考訳（メタデータ） (2024-10-28T22:09:43Z)
• 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)
• NusaWrites: Constructing High-Quality Corpora for Underrepresented and Extremely Low-Resource Languages [54.808217147579036]
  インドネシアの地方言語について事例研究を行う。 データセット構築におけるオンラインスクラップ,人文翻訳,および母語話者による段落作成の有効性を比較した。 本研究は,母語話者による段落作成によって生成されたデータセットが,語彙的多様性と文化的内容の点で優れた品質を示すことを示す。
  論文  参考訳（メタデータ） (2023-09-19T14:42:33Z)
• Lexical Diversity in Kinship Across Languages and Dialects [6.80465507148218]
  本稿では,言語多様性に関する内容と計算語彙を融合させる手法を提案する。 本手法は、血縁用語に関する2つの大規模ケーススタディを通じて検証される。
  論文  参考訳（メタデータ） (2023-08-24T19:49:30Z)
• Using Linguistic Typology to Enrich Multilingual Lexicons: the Case of Lexical Gaps in Kinship [4.970603969125883]
  語彙的ギャップと言語固有の単語という概念を通して多様性の現象を捉えている。 我々は,198のドメイン概念,1,911のワード,37,370のギャップからなる語彙意味資源を公開している。
  論文  参考訳（メタデータ） (2022-04-11T12:36:26Z)
• AM2iCo: Evaluating Word Meaning in Context across Low-ResourceLanguages with Adversarial Examples [51.048234591165155]
  本稿では, AM2iCo, Adversarial and Multilingual Meaning in Contextを提案する。 言語間文脈における単語の意味の同一性を理解するために、最先端(SotA)表現モデルを忠実に評価することを目的としている。 その結果、現在のSotAプリトレーニングエンコーダは人間のパフォーマンスにかなり遅れていることが明らかとなった。
  論文  参考訳（メタデータ） (2021-04-17T20:23:45Z)
• Probing Pretrained Language Models for Lexical Semantics [76.73599166020307]
  類型的多様言語と5つの異なる語彙課題にまたがる系統的経験分析を行った。 我々の結果は、普遍的に維持されるパターンとベストプラクティスを示しているが、言語やタスクにまたがる顕著なバリエーションを示している。
  論文  参考訳（メタデータ） (2020-10-12T14:24:01Z)
• Cross-Lingual Word Embeddings for Turkic Languages [1.418033127602866]
  言語間の単語埋め込みは、リソース豊富な言語から低リソース言語に知識を移すことができる。 トルコ語、ウズベク語、アゼリ語、カザフ語、キルギス語に言語間単語を埋め込む方法を示す。
  論文  参考訳（メタデータ） (2020-05-17T18:57:23Z)
• Gender Bias in Multilingual Embeddings and Cross-Lingual Transfer [101.58431011820755]
  多言語埋め込みにおけるジェンダーバイアスとNLPアプリケーションの伝達学習への影響について検討する。 我々は、バイアス分析のための多言語データセットを作成し、多言語表現におけるバイアスの定量化方法をいくつか提案する。
  論文  参考訳（メタデータ） (2020-05-02T04:34:37Z)
• On the Language Neutrality of Pre-trained Multilingual Representations [70.93503607755055]
  語彙意味論に関して,多言語文脈埋め込みの言語中立性を直接的に検討する。 その結果、文脈埋め込みは言語ニュートラルであり、概して静的な単語型埋め込みよりも情報的であることがわかった。 本稿では,言語識別における最先端の精度に到達し,並列文の単語アライメントのための統計的手法の性能を一致させる方法について述べる。
  論文  参考訳（メタデータ） (2020-04-09T19:50:32Z)

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。