論文の概要: CultureMINE: Datasets and Methods for Improving the Cultural Capabilities of NLP Systems
- arxiv url: http://arxiv.org/abs/2609.22494v1
- Date: Fri, 18 Sep 2026 18:59:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-22 20:29:00.410609
- Title: CultureMINE: Datasets and Methods for Improving the Cultural Capabilities of NLP Systems
- Title（参考訳）: CultureMINE:NLPシステムの文化的能力向上のためのデータセットと方法
- Abstract要約: 375以上の論文を分析し、3つの相補的な質問に答える。
3つの質問にまたがる傾向について論じる。
インタラクティブなWebインターフェースという形で分析論文の全リストを公開します。
- 参考スコア（独自算出の注目度）: 20.095690504695572
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In recent years, there has been a surge of interest in Cultural NLP, with substantial efforts to create globally inclusive NLP systems. The rapid growth of literature in this field makes it difficult to track trends in methods and data resources. To address this, we analyze over 375 papers to answer three complementary questions: (1) What Cultural Capabilities (CCs) are being targeted in NLP systems? (2) How are cultural data resources being created? and (3) What methods are being used to improve the CCs of those systems? We discuss trends observed across the three questions, and identify relevant research gaps. To facilitate further research in this field, we release our full list of analyzed papers in the form of an interactive web interface, which includes a feature to allow researchers to add their work; we hope this facilitates future research and proves to be a valuable resource for the Cultural NLP community.
- Abstract（参考訳）: 近年は文化NLPへの関心が高まっており、世界的な包括的NLPシステムの構築に多大な努力が払っている。
この分野での文献の急速な成長は、メソッドやデータリソースのトレンドを追跡するのを困難にしている。
この問題を解決するために,我々は375以上の論文を分析し,(1)NLPシステムにおける文化能力(CC)の目標について3つの相補的疑問に答える。
(2)文化データ資源の作り方
そして(3)これらのシステムのCCを改善するために、どのような方法が使われているのか。
本稿では,3つの質問にまたがる傾向について考察し,関連する研究ギャップを明らかにする。
この分野でのさらなる研究を促進するため、我々は、研究者が研究を付け加える機能を含むインタラクティブなWebインターフェースという形で分析論文の全リストを公開し、今後の研究を促進し、文化NLPコミュニティにとって貴重な資料になることを期待する。
関連論文リスト
- Culture Cartography: Mapping the Landscape of Cultural Knowledge [50.502555170749694]
グローバルなユーザを安全かつ生産的に提供するためには、LLMには、事前トレーニング中に学ばない文化固有の知識が必要だ。
カルチャーカルトグラフィーと呼ばれる混合開始法を提案する。
ここで、LCMは、信頼度が低い回答を質問して注釈を初期化し、それ以前の知識とそのギャップの両方を明確にする。
これにより、人間の応答者がこれらのギャップを埋めて、直接編集することで、適切なトピックに向けてモデルを操ることが可能になる。
LLMが提案する質問に人間が答えるベースラインと比較すると、CultureExplorerはDeepSeek R1やGPT-4oのような主要なモデルが持つ知識をより効果的に生成することがわかった。
論文 参考訳（メタデータ） (2025-10-31T17:37:34Z) - The Rise of AfricaNLP: Contributions, Contributors, and Community Impact (2005-2025) [11.546082225991256]
本研究ではアフリカンNLP(AfricaNLP)の進展について,基礎研究の課題を問う。
我々は,1.9K NLP論文要約,4.9K著者コントリビュータ,および7.8K人による貢献文を用いて,アフリカNLP研究の貢献を定量的に検討した。
論文 参考訳（メタデータ） (2025-09-29T20:31:12Z) - The Nature of NLP: Analyzing Contributions in NLP Papers [77.31665252336157]
我々は,NLP研究論文の要約として,NLPコントリビューション(NLPコントリビューション)の分類法を提案し,NLPコントリビューション(NLPコントリビューション)を導入した。
NLPの研究は、1970年代から80年代にかけて言語と人間中心の研究に焦点が当てられ、1990年代と2000年代に打ち切られ、2010年代後半から再び上昇し始めた。
私たちのデータセットと分析は、研究トレンドをトレースするための強力なレンズを提供し、インフォグラフィックでデータ駆動の文献調査を生成する可能性を提供します。
論文 参考訳（メタデータ） (2024-09-29T01:29:28Z) - Culturally Aware and Adapted NLP: A Taxonomy and a Survey of the State of the Art [70.1063219524999]
NLPにおける「文化」への関心の高まりは、近年の研究に影響を与えたが、「文化」に関する共通理解はいまだに不明である。
本研究では,研究の進展を分析し,理解するための体系的な枠組みを提供する,文化における要素のきめ細かい分類法を提案する。
論文 参考訳（メタデータ） (2024-06-06T10:16:43Z) - Massively Multi-Cultural Knowledge Acquisition & LM Benchmarking [48.21982147529661]
本稿では,多文化知識獲得のための新しいアプローチを提案する。
本手法は,文化トピックに関するウィキペディア文書からリンクページの広範囲なネットワークへ戦略的にナビゲートする。
私たちの仕事は、AIにおける文化的格差のギャップを深く理解し、橋渡しするための重要なステップです。
論文 参考訳（メタデータ） (2024-02-14T18:16:54Z) - 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)
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。