Il contributo dell’archivistica alla creazione dei dataset per i Language Model

Su Agenda Digitale è stato pubblicato l’approfondimento “Dataset per i Language Model: i problemi che l’archivistica aiuta a superare”, a firma di Marco Antonio Stranisci. 

“Il campo del Natural Language Processing (NLP) - si legge nell’abstract - è sempre più attento alla documentazione dei dataset utilizzati per il pre-training dei Language Model. Nonostante l’applicazione di pratiche derivate dalle scienze archivistiche, questioni come la trasparenza e l’accessibilità delle risorse rimangono irrisolte. Il punto su problemi e progressi della ricerca”. 

L’articolo affronta i seguenti temi:

• Documentare i dataset, imparare dagli archivi
• I cinque problemi che le pratiche archivistiche potrebbero risolvere
• Mission statement
• Community Archives
• Data consortia
• Trasparenza
• Protocolli etici
• L’approccio della comunità di NLP alla documentazione
• Conclusioni
• Bibliografia.

Leggi l’approfondimento su Agenda Digitale