@进行中{周-塔-2023文化,title=“文化指南针:预测具有文化特征的攻击性语言检测中的迁移学习成功率”,author=“周、李和卡拉莫利古、安东尼亚和陈文宇Daniel Hershcovich”,editor=“Bouamor、Houda和皮诺、胡安和巴厘岛,卡利卡”,booktitle=“计算语言学协会的发现:EMNLP 2023”,月=12月,年=“2023”,address=“新加坡”,publisher=“计算语言学协会”,url=“https://aclantology.org/2023.findings-emnlp.845”,doi=“10.18653/v1/2023.findings-emnlp.845”,pages=“12684-12702”,abstract=“语言技术日益普及,这就要求在机器学习领域转向考虑文化多样性,特别是对于严重依赖文化细微差别的主观任务,如攻击性语言检测(OLD)。目前的理解强调,这些任务在很大程度上受到文化价值观的影响,然而,在确定文化特征能否准确预测此类主观任务的跨文化迁移学习的成功方面存在显著差距。针对这一点,我们的研究深入探讨了文化特征和迁移学习有效性的交叉点。研究结果表明,文化价值观调查确实对OLD任务中跨文化迁移学习的成功具有预测力,并且使用冒犯性词语距离可以进一步提高这一预测力。基于这些结果,我们主张将文化信息整合到数据集中。此外,我们建议利用丰富的文化信息数据源,如调查,以增强文化适应性。我们的研究标志着在寻求更具包容性和文化敏感性的语言技术方面向前迈进了一步。",}
<?xml version=“1.0”encoding=“UTF-8”?><modsCollection xmlns=“http://www.loc.gov/mods/v3"><mods ID=“zhou-etal-2023-文化”><标题信息>文化指南针:预测具有文化特征的攻击性语言检测中的迁移学习成功率</titleInfo><name type=“个人”>Li<namePart type=“family”>周<角色>作者</角色></name><name type=“个人”>安东尼娅卡拉莫莱克口<角色>作者</角色></name><name type=“个人”>文宇<namePart type=“given”><namePart type=“family”>陈</namePart><角色>作者</角色></name><name type=“个人”>丹尼尔赫什科维奇<角色>作者</角色></name><originInfo>2023-12发布日期</originInfo><typeOfResource>文本<relatedItem type=“主机”><标题信息>计算语言学协会的发现:EMNLP 2023</titleInfo><name type=“个人”>侯达布阿莫尔<角色>编辑器</角色></name><name type=“个人”>胡安皮诺<角色>编辑器</角色></name><name type=“个人”>卡利卡语巴厘岛<角色>编辑器</角色></name><originInfo>计算语言学协会<位置>新加坡</place></originInfo>会议出版物</relatedItem><abstract>语言技术的日益普及需要在机器学习领域转向考虑文化多样性,特别是对于严重依赖文化细微差别的主观任务,如攻击性语言检测(OLD)。目前的理解强调,这些任务在很大程度上受到文化价值观的影响,然而,在确定文化特征能否准确预测此类主观任务的跨文化迁移学习的成功方面存在着显著差距。针对这一点,我们的研究深入探讨了文化特征和迁移学习有效性的交叉点。研究结果表明,文化价值观调查确实对OLD任务中跨文化迁移学习的成功具有预测力,并且使用冒犯性词语距离可以进一步提高这一预测力。基于这些结果,我们主张将文化信息整合到数据集中。此外,我们建议利用丰富的文化信息数据源,如调查,以增强文化适应性。我们的研究标志着在寻求更具包容性和文化敏感性的语言技术方面向前迈进了一步</摘要>周润发-2023文化10.18653/v1/2023.findings-emnlp.845<位置><网址>https://aclantology.org/2023.findings-emnlp.845</url></位置><部分>2023-12年<扩展单元=“page”><开始>1268412702年年底</范围></部分></mods></modsCollection>
%0会议记录%文化指南针:预测具有文化特征的攻击性语言检测中的迁移学习成功率%李阿周%安东妮亚·A Karamolegkou%A Chen、Wenyu%丹尼尔·赫什科维奇%Y Bouamor,Houda公司%胡安·皮诺%Y巴厘岛,卡利卡%计算语言学协会的发现:EMNLP 2023%D 2023年%12月8日%计算语言学协会%C新加坡%Fzhou-etal-2023文化%X语言技术越来越普遍,这就要求在机器学习领域转向考虑文化多样性,特别是对于严重依赖文化细微差别的主观任务,如攻击性语言检测(OLD)。目前的理解强调,这些任务在很大程度上受到文化价值观的影响,然而,在确定文化特征能否准确预测此类主观任务的跨文化迁移学习的成功方面存在着显著差距。针对这一点,我们的研究深入探讨了文化特征和迁移学习有效性的交叉点。研究结果表明,文化价值观调查确实对OLD任务中跨文化迁移学习的成功具有预测力,并且使用冒犯性词语距离可以进一步提高这一预测力。基于这些结果,我们主张将文化信息整合到数据集中。此外,我们建议利用丰富的文化信息数据源,如调查,以增强文化适应性。我们的研究标志着在寻求更具包容性和文化敏感性的语言技术方面向前迈进了一步。%R 10.18653/v1/2023.查找-emnlp.845%U型https://aclantology.org/2023.findings-emnlp.845%U型https://doi.org/10.18653/v1/2023.findings-emnlp.845%电话:12684-12702
降价(非正式)
【文化指南针:预测具有文化特征的攻击性语言检测中的迁移学习成功】(https://aclantology.org/2023.findings-emnlp.845)(Zhou等人,发现2023)
国际计算语言学协会