自然言語処理における多様性の定量化に関する調査：なぜ、何を、どこで、どうやって

要旨: 多様性の概念は近年、自然言語処理（NLP）においてますます注目を集めてきました。それはデータセットとシステムの推奨特性となり、多くの指標がそれを定量化するために用いられています。しかし、それはしばしばアドホックな方法で扱われ、支持の明確な正当化は少なく、論文間の多くの不整合が生じています。NLPにおける多様性の概念化を見直す試みはごくわずかです。この断片化に対処するためには、多様性の概念化がより徹底的に体系化されている他の科学分野から着想を得ました。生態学と経済学から取り入れられた統一的な枠組みである Stirling (2007) を基盤とし、多様性の3つの次元を区別します：variety、balance、disparity。ACL Anthology の最近の多様性関連論文を300件以上調査し、NLP 専用の枠組みを 4 つの視点で構築します：なぜ多様性が重要であるか、何を測定対象として多様性を測定するか、どこで測定されるか、そしてどのように測定するか。私たちの分析は、NLP における多様性へのアプローチの比較可能性を高め、浮かび上がっている傾向を明らかにし、分野への提言を形成できるようにします。