MétaCan
Menu
Retour à la cohorte
Enregistrement W7133071557

Natural Language Processing for Slang

2024· dissertation· W7133071557 sur OpenAlex
Zhewei Sun

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueTSpace · 2024
Typedissertation
Langue
DomaineSocial Sciences
ThématiqueSwearing, Euphemism, Multilingualism
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésSlangNatural languageSemantic interpretationComputational linguisticsLexiconNatural language understandingInterpretation (philosophy)Semantics (computer science)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Slang is a common type of language that makes creative and highly flexible use of words. A basic problem that language users tackle is how to develop and interpret novel slang terms for communication in a community. This problem is relevant for natural language processing since new slang expressions often emerge in daily conversations and online social media. However, principled computational approaches to modeling slang are lacking, which presents key challenges to the effective natural language processing of slang. In this dissertation, I develop a computational framework that offers new methodologies for the automated generation, interpretation, and translation of English slang word usages, as well as for characterizing the principles in slang variation across language communities. My dissertation is organized into three main parts. The first part addresses the under-explored problem of slang semantic extension, namely how existing words in the lexicon take on new meanings in informal context. I develop a generative framework that combines contrastive learning with probabilistic models of semantic chaining to capture slang semantic extension. By leveraging dictionary-based resources of slang, I show how the learned semantic representations more accurately predict slang word choices compared to existing approaches that rely more exclusively on corpus data. The second part of my dissertation tackles the inverse problem of slang interpretation by applying these semantic representations to interpret and translate novel slang usages in natural text. I show how this approach provides better accuracy and sample efficiency in both slang interpretation and translation, in comparison to baseline contextualized language models. Finally, the third part of my dissertation investigates semantic variation of slang across different language communities focusing on a comparative study of US and UK. I show that models incorporating either communicative need or semantic chaining can predict the regional identity of slang usages. In summary, my dissertation contributes a principled framework for modeling the lexical semantics and usages of English slang, and it opens up future opportunities for the computational investigation and automated processing of informal language across a diverse set of communities and languages.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,230
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,027
Tête enseignante GPT0,461
Écart entre enseignants0,434 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle