تكييف دقة Aquerence لمعالجة روايات الموت العنيفة

دقة Aqueference هي مؤسسة كوم النظرية مهمة مهمة في تحليل النص السردي من البيانات السردية من البيانات الإدارية (على سبيل المثال، المصادر السريرية أو الشرطة). ومع ذلك، فإن نماذج Coulsference الحالية Transedon اللغة اللغوية تعاني من قدرة سيئة بسبب ثغرات المجال، ولا سيما عند تطبيقها على النوع الاجتماعي شاملة Datawith Lesbian، مثلي الجنس، المخنثين، والجمنانية الهوائية (LGBT) الفرد. في هذه الورقة، نحن Alyzed تحديات طراز Couress Construcation في شكل مثالي من الإدارة المكتوب باللغة الإنجليزية: الموت العنيف NAR-STATIVS من مراكز الولايات المتحدة الأمريكية DISEASECONTROL (CDC) الوطنية للعنف المنعطف. قمنا بتطوير مجموعة من قواعد البيانات لتحسين طراز Perfor-Mance باستخدام برنامج Probabilistic DataPrampramework. تجارب على روايات قاعدة البيانات الإدارية المقدمة، بالإضافة إلى مجموعات البيانات الأساسية التي تعمل بنظام الأساس، وستدير شيطان فعالية نماذج COMENTION التدريبية لتعزيز البيانات التي يمكن أن تقدم بيانات نصية حول الأفراد LGBT.

Coreference resolution is an important compo-nent in analyzing narrative text from admin-istrative data (e.g., clinical or police sources).However, existing coreference models trainedon general language corpora suffer from poortransferability due to domain gaps, especiallywhen they are applied to gender-inclusive datawith lesbian, gay, bisexual, and transgender(LGBT) individuals.In this paper, we an-alyzed the challenges of coreference resolu-tion in an exemplary form of administrativetext written in English: violent death nar-ratives from the USA's Centers for DiseaseControl's (CDC) National Violent Death Re-porting System. We developed a set of dataaugmentation rules to improve model perfor-mance using a probabilistic data programmingframework. Experiments on narratives froman administrative database, as well as existinggender-inclusive coreference datasets, demon-strate the effectiveness of data augmentationin training coreference models that can betterhandle text data about LGBT individuals.