采访 Jerone Andrews：评估数据集多样性的框架

Jerone Andrews，Dora Zhao，Orestis Papakyriakopoulos和Alice Xiang在国际机器学习会议（ICML）上获得了最佳纸张奖，以获得其位置纸量数据集多样性。不要只是要求。我们与Jerone谈到了团队的方法论，以及他们如何开发一个用于概念化，操作和评估机器学习数据集多样性的框架。 Jerone Andrews，Dora Zhao，Orestis Papakyriakopoulos Alice Xiang 最佳纸张奖 国际机器学习会议（ICML） 测量数据集多样性。不要只是要求 您能给我们一个论文的摘要吗？这是关于什么，您要解决的问题是什么？ 在我们的论文中，我们建议使用社会科学的测量理论作为一个框架，以改善对不同机器学习数据集的收集和评估。测量理论为开发复杂和抽象概念的精确数值表示提供了一种系统且科学的方法，使其特别适合诸如概念化，操作和评估诸如数据集中多样性之类的质量等任务。该框架也可以应用于偏见或难度等其他构造。 我们确定了该领域的一个重要问题：数据集中多样性的概念通常在各种作品中定义或不一致。为了探讨这一点，我们回顾了有关机器学习数据集的135篇论文，涵盖文本，图像和多模式（文本和图像）数据集。尽管这些论文通常声称其数据集更加多样化，但我们发现“多样性”一词很少以一致的方式清楚地定义或衡量。 测量理论。图片来源：Jerone Andrews。 您能在这种情况下解释概念化，操作和评估吗？ 您的方法与以前的现场工作建立和不同？ 在论文中，您进行了案例研究。你能告诉我们一些关于这个吗？ 关于Jerone 标签： ，

Jerone Andrews，Dora Zhao，Orestis Papakyriakopoulos和Alice Xiang在国际机器学习会议（ICML）上获得了最佳纸张奖，以获得其位置纸量数据集多样性。不要只是要求。我们与Jerone谈到了团队的方法论，以及他们如何开发一个用于概念化，操作和评估机器学习数据集多样性的框架。 Jerone Andrews，Dora Zhao，Orestis Papakyriakopoulos Alice Xiang 最佳纸张奖 国际机器学习会议（ICML）

测量数据集多样性。不要只是要求

您能给我们一个论文的摘要吗？这是关于什么，您要解决的问题是什么？

在我们的论文中，我们建议使用社会科学的测量理论作为一个框架，以改善对不同机器学习数据集的收集和评估。测量理论为开发复杂和抽象概念的精确数值表示提供了一种系统且科学的方法，使其特别适合诸如概念化，操作和评估诸如数据集中多样性之类的质量等任务。该框架也可以应用于偏见或难度等其他构造。

我们确定了该领域的一个重要问题：数据集中多样性的概念通常在各种作品中定义或不一致。为了探讨这一点，我们回顾了有关机器学习数据集的135篇论文，涵盖文本，图像和多模式（文本和图像）数据集。尽管这些论文通常声称其数据集更加多样化，但我们发现“多样性”一词很少以一致的方式清楚地定义或衡量。

测量理论。图片来源：Jerone Andrews。

您能在这种情况下解释概念化，操作和评估吗？

您的方法与以前的现场工作建立和不同？

在论文中，您进行了案例研究。你能告诉我们一些关于这个吗？

关于Jerone 标签： ，

关于Jerone标签：，