في هذا العمل، نستكشف تأثير دمج البيانات الوصفية الديموغرافية في نصوص نصية مدربة على رأس نموذج لغة محول مدرب مسبقا. وبشكل أكثر تحديدا، نضيف معلومات حول جنس النقاد ومؤلفي الكتاب عند تصنيف قطبية مراجعات الكتب، وقطبية الاستعراضات عند تصنيف الجنسين من الم
ؤلفين والنقاد. نحن نستخدم مجموعة بيانات موجودة من مراجعات الكتاب النرويجية من خلال تقييمات من قبل النقاد المحترفين، والتي عززت أيضا مع المعلومات الجنسانية، وتدريب مصنف معنويات على مستوى المستند أعلى نموذج برت النرويجي الذي تم إصداره مؤخرا. نظهر أن النماذج المستنيرة بين الجنسين تحصل على دقة أعلى إلى حد كبير، وأن النماذج المستنيرة بالقطبية تحصل على دقة أعلى عند تصنيف جندات مؤلفي الكتاب. بالنسبة إلى مجموعة البيانات الخاصة بهذه الطريقة، نأخذ هذه النتيجة تأكيدا بتحيز بين الجنسين في توزيع الملصقات الأساسية، ولكن في أوائل أخرى نعتقد أنه يمكن استخدام نهج مماثل لتخفيف التحيز في النموذج.
SIFting تغريدات فرنسية للتحقيق في تأثير CovID-19 في إثارة القلق الشديد.يمكن الاستفادة من وسائل التواصل الاجتماعي لفهم المشاعر والمشاعر العامة في الوقت الفعلي، وتستهدف رسائل الصحة العامة المستندة إلى اهتمامات المستخدم والعواطف.في هذه الورقة، نحقق في ت
أثير الوباء CovID-19 في إثارة القلق الشديد، والاعتماد على الرسائل المتبادلة على Twitter.وبشكل أكثر تحديدا، نقدم: ط) إجراء تحليلا كميا ونوعيا لجور تغريدات باللغة الفرنسية ذات صلة بنظام Coronavirus، و II) نهج خط أنابيب (آلية ترشيح تليها أساليب الشبكة العصبية) مرضية للرسائل التي تعبر عن القلق الشديد على وسائل التواصل الاجتماعيبالنظر إلى الدور الذي تلعبه العواطف.
