NLP

💡 In NLP, semantics turns text into intentions machines can respect.

در NLP، معناشناسی متن را به مفاهیمی تبدیل می‌کند که ماشین‌ها می‌توانند به آنها احترام بگذارند.

💡 We fine-tuned an NLP model on local slang, reducing embarrassing misclassifications while publishing a clear datasheet about limitations.

ما یک مدل NLP را بر اساس اصطلاحات عامیانه محلی تنظیم دقیق کردیم و ضمن انتشار یک برگه اطلاعات واضح در مورد محدودیت‌ها، اشتباهات شرم‌آور در طبقه‌بندی را کاهش دادیم.

💡 Journalists used NLP to sift transcripts, surfacing quotes that revealed policy shifts hidden inside hours of hearings.

روزنامه‌نگاران از NLP برای غربال کردن متن‌ها استفاده کردند و نقل قول‌هایی را آشکار کردند که تغییرات سیاستی پنهان در طول ساعت‌ها جلسات دادرسی را آشکار می‌کرد.

💡 Recently, Bowman’s lab created a question-answering test that looks for embedded stereotypes in NLP models in nine categories, such as race and gender.

اخیراً، آزمایشگاه بومن یک آزمون پرسش و پاسخ ایجاد کرده است که به دنبال کلیشه‌های جاسازی‌شده در مدل‌های NLP در نه دسته، مانند نژاد و جنسیت، می‌گردد.

💡 “NLP does have some comprehension to it, like knowing that thunder and rain go together,” Ferreira says.

فریرا می‌گوید: «NLP تا حدودی درک و فهم دارد، مثل اینکه بدانیم رعد و برق و باران با هم می‌آیند.»

💡 Teachers introduced NLP with sentiment analysis, then discussed bias, privacy, and the ethics of automated inference.

معلمان NLP را با تحلیل احساسات معرفی کردند، سپس در مورد تعصب، حریم خصوصی و اخلاق استنتاج خودکار بحث کردند.