دانلود ترجمه مقاله آنالیز پردازش زبان های طبیعی ادعاهای مبالغه آمیز در اخبار علمی (Aclweb 2017) (ترجمه ویژه – طلایی ⭐️⭐️⭐️)

آنالیز پردازش زبان های طبیعی (NLP) ادعاهای مبالغه آمیز در اخبار علمی

An NLP Analysis of Exaggerated Claims in Science News

چکیده

۱- مقدمه

۲- کار های مرتبط

۳- آزمایش ها

۳-۱ داده ها

۳-۲ پردازش داده ها

۳-۳ استخراج ویژگی

۳-۴ نتایج طبقه بندی

۴- تحلیل خطا

۵- جمع بندی

چکیده

تمایز های موجود بین علم و رسانه ها، همیشه بر روی ارتباط علمی تاثیر داشته است. یافته های اصلی از نشریات علمی ممکن است با قوت ادعاهای مطرح شده در اخبار برای عموم، دچار تحریف شود و همین موضوع موجب میشود که اطلاعات اشتباه منتشر شود. این مطالعه یک تحلیل NLP را بر روی ادعاهای بزرگ نمایی شده در اخبار علمی انجام میدهد و سپس مدل های پیش بینی را برای شناسایی سطح قدرت ادعا ها در گزارش های علمی، ایجاد میکند. نتایج نشان دهنده ی سبک نوشتاری مختلف در مقاله های علمی و گزارش های اخبار علمی میباشد که در زمینه ی گزارش یافته های مختلف علمی مورد استفاده قرار میگیرد. مدل های پیش بینی اولیه نتایج خوبی را ، همراه با ظرفیت برای بهبود بیشتر، نشان داد.

۵- جمع بندی
در این مطالعه، ما یک تحلیل NLP بر روی قدرت ادعا انجام داده و مدل های پیش بینی را برای شناسایی سطح قدرت ادعا در گزارش های علمی ایجاد کردیم. بهترین مدل ما به نمره ی شاخص F1 0.718برای شناسایی قدرت ادعا در مقاله های علمی، و به شاخص F1 به مقدار ۰٫۶۰۷ برای شناسایی قدرت ادعا در مقاله های اخباری و گزارشی دست پیدا کرد و عملکرد بسیار بالایی برای شناسایی گزاره های شرطی از خودش نشان داد. تحلیل های ما نشان میدهد حتی با وجود این که نوشته های علمی از یک سبک مشخص برای نوشتن استفاده میکنند، دانشمندان و نویسنده ها و استفاده ی خلاقانه ی آن ها از بان هنوز چالش زیادی را برای کار ما ایجاد میکند. مهم ترین چالش ها در این قسمت تفاوت ها در انواع نفی و روابط تحریف شده است که در شبه جمله های تبعی برای گزاره های همبستگی و علی بیان میشود. ما هنوز باید تحلیل های معنایی بیشتری انجام دهیم تا بتوانیم عملکرد این مدل را در کار های آتی بهبود دهیم.

Abstract

The discrepancy between science and media has been affecting the effectiveness of science communication. Original findings from science publications may be distorted with altered claim strength when reported to the public, causing misinformation spread. This study conducts an NLP analysis of exaggerated claims in science news, and then constructed prediction models for identifying claim strength levels in science reporting. The results demonstrate different writing styles journal articles and news/press releases use for reporting scientific findings. Preliminary prediction models reached promising result with room for further improvement.

۵ Conclusion

In this study, we conducted an NLP analysis of claim strength and constructed prediction models for identifying claim strength levels in science reporting. Our best models reached .718 F1 score for distinguishing claim strengths in journal articles, and .607 F1 score in news/press releases, with very high performance for identifying conditional causations. Our analysis shows even though scientific writing follows a well-defined style, scientists’ and journalists’ creative use of language still poses significant challenge to our task. The major challenges are the variations in negation and distracting relationships mentioned in subordinate clauses for correlation and causation statements. We will conduct deeper syntactic analysis to improve the model performance in our future work.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

آنالیز پردازش زبان های طبیعی (NLP) ادعاهای مبالغه آمیز در اخبار علمی

An NLP Analysis of Exaggerated Claims in Science News