PulseAugur
实时 08:39:14
English(EN) From Word Sequences to Behavioral Sequences: Adapting Modeling and Evaluation Paradigms for Longitudinal NLP

新的自然语言处理范式将焦点从词语序列转移到行为序列

研究人员提出了一个新的自然语言处理(NLP)框架,该框架不再将文档视为独立的单元。这种被称为“行为序列”的新范式考虑了纵向研究中文档的时间性和作者索引性。所提出的方法更新了评估分割、准确性指标、序列输入和模型内部,以更好地捕捉个体内部动态和随时间的泛化能力。在PTSD症状严重程度数据上的实验表明,与这种生态有效的纵向方法相比,传统的NLP评估方法可能会产生显著不同,有时甚至是矛盾的结论。 AI

影响 这项研究表明,自然语言处理模型的开发和评估方式发生了转变,有可能在心理学和社会科学等领域更准确地分析纵向数据。

排序理由 学术论文,提出了一种新的自然语言处理方法论。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的自然语言处理范式将焦点从词语序列转移到行为序列

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Adithya V Ganesan, Vasudha Varadarajan, Oscar NE Kjell, Whitney R Ringwald, Scott Feltman, Benjamin J Luft, Roman Kotov, Ryan L Boyd, H Andrew Schwartz ·

    从词语序列到行为序列:适应纵向NLP的建模与评估范式

    arXiv:2601.07988v2 Announce Type: replace-cross Abstract: While NLP typically treats documents as independent and unordered samples, in longitudinal studies, this assumption rarely holds: documents are nested within authors and ordered in time, forming person-indexed, time-ordere…