This result challenges large-scale

This result challenges large-scale variational studies on social media that require automated analyses. The observed drops in performance are prohibitive for studying syntactic and semantic variation, and we believe the NLP community should make an effort to provide better and more robust dialect-adapted models to researchers and industry interested in processing social media. The findings also raise the question of whether NLP technology systematically disadvantages groups of nonstandard language users.

Kết quả (Việt) 1:

Kết quả này thách thức quy mô lớn variational nghiên cứu về xã hội truyền thông yêu cầu tự động phân tích. Giọt quan sát hiệu suất được prohibitive cho nghiên cứu sự thay đổi cú pháp và ngữ nghĩa, và chúng tôi tin rằng cộng đồng NLP nên làm cho một nỗ lực để cung cấp tốt hơn và mạnh mẽ hơn mô hình phương ngữ phù hợp cho các nhà nghiên cứu và ngành công nghiệp quan tâm đến việc xử lý phương tiện truyền thông xã hội. Những phát hiện cũng nâng cao câu hỏi của cho dù NLP công nghệ hệ thống bất lợi nhóm người dùng chuẩn ngôn ngữ.

Kết quả (Việt) 2:

Kết quả nghiên cứu này thách thức biến phân quy mô lớn trên phương tiện truyền thông xã hội đòi hỏi phải phân tích tự động. Những giọt quan sát hiệu năng có thể cấm cho nghiên cứu biến đổi cú pháp và ngữ nghĩa, và chúng tôi tin rằng cộng đồng NLP nên nỗ lực để cung cấp các mô hình phương ngữ thích nghi tốt hơn và mạnh mẽ hơn để các nhà nghiên cứu và các ngành công nghiệp quan tâm đến việc xử lý truyền thông xã hội. Những phát hiện này đặt ra câu hỏi liệu công nghệ NLP có hệ thống bất lợi của các nhóm người dùng ngôn ngữ không chuẩn.