EMNLPAug, 2016

社交媒体中的人口方言差异：非裔美国英语案例研究

PDF
TL;DR本文研究表明，虽然方言语言在社交媒体上越来越普遍，但是开发自然语言处理工具的资源很少。本文以推特上的非裔美国英语为案例研究方言语言的实用性。文章提出了一种基于地理位置信息的远距离语言学习模型来识别 AAEL（African-American English like language），并验证了这种语言遵循已知的非裔美国英语语言现象。此外，文章对现有的语言识别和依赖解析工具在 AAEL 文本上的质量进行了分析，证明它们在处理这样的文本时比白人说话者的文本表现差。作者还提供了一种语言识别的整合分类器，消除了这种差异，并发布了一个包含 AAEL 类似语言的新推文语料库。
发现论文，激发创造
  • 深度多层次方言语言分析：以非裔美国英语为例的案例研究

    本文讨论了自然语言处理中语言歧视和对非标准语言特征的忽略可能导致偏见结果的问题，并介绍了引入人机交互模式以更好地理解非标准语言使用者和强调方言语言包容性的必要性，以便减少身份剥夺感情况下，AAE 本土使用者与 NLP 系统的广泛互动。

    Jun, 2022

  • 自然语言处理中的种族差异：社交媒体非裔美国英语的案例研究

    我们研究了算法公平性领域中的一个重要问题：将来自不同社会群体作者的语言用于自然语言处理算法时质量的差异。我们在研究中着重探讨了当前系统在分析女性和少数族裔群体所使用的语言时出现的问题，证实了在处理非裔美国英语的推文时出现的种族差异，并讨论了该领域的研究意义。

    Jun, 2017

  • 毒性和情感分析方法对含非洲裔美国英语表达的偏见的综合视角

    在线社交网络中，使用非洲裔美国英语表达可能导致对话者被认为更加有害，即使在几乎相同的主题下讲话。

    Jan, 2024

  • 朝着更好的包容性：一种多样化的英语方言推文语料库

    通过采集和分析社交媒体上的英语变种示例，我们旨在解决自然语言处理中的偏见问题。我们将建立一个来自使用非标准英语变种的国家的推文数据集，并提出一个标注框架，通过度量标准英语的程度间接揭示这些推文中英语变种的表现。我们的语料库突出了在西方英语和非西方（即较不标准）英语变种之间的预训练语言识别器准确性差异，并希望为识别和减少自然语言处理中的隐含人口统计差异做出贡献。

    Jan, 2024

  • 非裔美国英语方言密度自动估算

    本文利用几种音频和语言分析特征，包括 X-vector 表示法，ComParE 特征以及从 ASR 转录文件中提取的信息等，探究了非标准方言比例的自动预测方法，使用弱监督模型将 X-vector 和韵律特征投影到低维度的任务相关特性中，用 XGBoost 方法预测说话人的方言密度且评估其在此任务中的效用。最后，作者在 CORAAL 数据库的音频片段上展示了其方法相对于地面真实数据的显著相关性，并将其作为一种解释和减少语音技术偏见的工具。

    Apr, 2022

  • 探究基于 Transformer 的文本生成中的非裔美国人土语英语

    本研究使用 AAVE/SAE 推文对 AAVE 文本的语法结构、AAVE 特定语言和 SAE 特定语形进行隔离，以探究 GPT-2 在 AAVE 文本上的表现，并使用预训练的情感分类器评估每个样本及其 GPT-2 生成的文本，结果显示 AAVE 文本的负面情感分类比 SAE 文本更多，GPT-2 的使用一般会增加正面情感的出现。此外，本研究进行了人类评估，用以比较 GPT-2 生成的 AAVE 文本与 SAE 文本在上下文的严谨性和总体质量。

    Oct, 2020

  • 降低仇恨言论检测中的种族偏见

    本文研究针对美国非裔英语的歧视在当前仇恨言论数据集中存在的问题，并提出对抗性训练的方法来降低该歧视，实验结果表明该方法可以显著降低美国非裔英语文本的误判率，而对于仇恨言论分类的表现影响很小。

    May, 2020

  • 评估自然语言生成中对非洲裔美国人语言的偏见

    该研究评估 LLM 在理解非洲裔美国人语言（AAL）方面的能力，比较其在白人主流英语（WME）方面的表现。通过两项任务，评估 LLM 的表现并发现了模型性能差距、偏见和 AAL 特征的理解欠缺。

    May, 2023

  • 用户地理定位和词汇方言学的神经模型

    本文提出了一个基于神经网络的简单且有效的基于文本的用户地理定位模型，其在三个 Twitter 基准地理定位数据集上实现了最先进的性能，并且在隐藏层中生成词和短语嵌入，我们展示了这些嵌入有助于检测方言术语。作为我们方言术语分析的一部分，我们发布了一个评估方言术语检测方法的 DAREDS 数据集。

    Apr, 2017

  • 社交媒体中的词汇变化扩散

    通过分析 107 百万条推特信息，我们发现计算机媒介通信正在驱动书面语言的根本变革，语言演化并不使得美国英语变得一致，而是重现了口语中现有的毛病。

    Oct, 2012