面向可持续发展的自然语言处理：以神经标注增强社区画像为例
计算与语言
2020-11-18 v2
摘要
近年来，人工智能——尤其是机器学习——在可持续发展（SD）领域的应用日益受到关注。然而迄今为止，NLP 尚未在此背景下得到应用。在本研究论文中，我们展示了 NLP 应用在提升项目可持续性方面的巨大潜力。我们特别关注发展中国家中的社区画像案例，与发达国家相比，那里存在着显著的数据缺口。在此背景下，NLP 有助于解决结构化定性数据的成本与时间障碍，该障碍阻碍了其广泛使用及相关效益。我们提出了自动 UPV 分类这一新任务，这是一个极端多类多标签分类问题。我们发布了专家标注的数据集 Stories2Insights，提供了详细的语料分析，并实现了若干强神经基线方法来解决该任务。实验结果表明该问题具有挑战性，并为 NLP 与 SD 交叉领域的未来研究留下了充足空间。
引用
@article{arxiv.2004.12935,
title = {Natural language processing for achieving sustainable development: the case of neural labelling to enhance community profiling},
author = {Costanza Conforti and Stephanie Hirmer and David Morgan and Marco Basaldella and Yau Ben Or},
journal= {arXiv preprint arXiv:2004.12935},
year = {2020}
}
备注
18 pages, 9 figures. Accepted at EMNLP 2020