arXiv:2511.08537v1 Announce Type: new 
Abstract: This report presents a detailed methodology for constructing a high-quality Semantic Role Labeling (SRL) dataset from the Wall Street Journal (WSJ) portion of the OntoNotes 5.0 corpus and adapting it for Opinion Role Labeling (ORL) tasks. Leveraging the PropBank annotation framework, we implement a reproducible extraction pipeline that aligns predicate-argument structures with surface text, converts syntactic tree pointers to coherent spans, and applies rigorous cleaning to ensure semantic fidelity. The resulting dataset comprises 97,169 predicate-argument instances with clearly defined Agent (ARG0), Predicate (REL), and Patient (ARG1) roles, mapped to ORL's Holder, Expression, and Target schema. We provide a detailed account of our extraction algorithms, discontinuous argument handling, annotation corrections, and statistical analysis of the resulting dataset. This work offers a reusable resource for researchers aiming to leverage SRL for enhancing ORL, especially in low-resource opinion mining scenarios.

تم تطوير منهجية جديدة لبناء مجموعة بيانات عالية الجودة لتصنيف الأدوار الدلالية (SRL) من جزء صحيفة وول ستريت جورنال من مجموعة بيانات OntoNotes 5.0، مع تكييفها لمهام تصنيف الأدوار الرأي (ORL). تتضمن مجموعة البيانات هذه 97,169 حالة من حالات الفعل-الحجة، وهي ضرورية لتحسين استخراج الآراء، خاصة في السيناريوهات ذات الموارد المنخفضة. هذا العمل مهم لأنه يوفر موردًا قابلاً لإعادة الاستخدام للباحثين في هذا المجال.

Se ha desarrollado una nueva metodología para construir un conjunto de datos de etiquetado de roles semánticos (SRL) de alta calidad a partir de la porción del Wall Street Journal del corpus OntoNotes 5.0, adaptándolo para tareas de etiquetado de roles de opinión (ORL). Este conjunto de datos incluye 97,169 instancias de predicado-argumento, cruciales para mejorar la minería de opiniones, especialmente en escenarios de bajos recursos. Este trabajo es significativo ya que proporciona un recurso reutilizable para los investigadores en el campo.

Une nouvelle méthodologie pour construire un ensemble de données de labellisation de rôles sémantiques (SRL) de haute qualité à partir de la portion du Wall Street Journal du corpus OntoNotes 5.0 a été développée, l'adaptant pour des tâches de labellisation de rôles d'opinion (ORL). Cet ensemble de données comprend 97 169 instances de prédicat-argument, cruciales pour améliorer l'extraction d'opinions, notamment dans des scénarios à faibles ressources. Ce travail est significatif car il fournit une ressource réutilisable pour les chercheurs dans le domaine.

A new methodology for constructing a high-quality Semantic Role Labeling (SRL) dataset from the Wall Street Journal portion of the OntoNotes 5.0 corpus has been developed, adapting it for Opinion Role Labeling (ORL) tasks. This dataset includes 97,169 predicate-argument instances, crucial for enhancing opinion mining, especially in low-resource scenarios. The work is significant as it provides a reusable resource for researchers in the field.

From Semantic Roles to Opinion Roles: SRL Data Extraction for Multi-Task and Transfer Learning in Low-Resource ORL

Carry your cash and cards along with your phone thanks to MagSafe wallets from brands like Moft, ESR, and Nomad.

Best MagSafe wallets 2025: I tested the best options to store your cash and cards

With the latest Grit X2, Polar continues to optimize experiences for training, coaching, and performance improvement.

Not enough people are talking about this Garmin competitor that wins in unique ways

What do you get for the person who has everything? There's a good chance that something on this list will appeal to them.

The 12 best gizmos to gift the person who has everything, according to a gadget expert

Great deals are popping up everywhere this holiday shopping season, and kids' tech is no exception.

I'm always looking for deals on kids' tech - here's what I'm buying this holiday season

We tested and reviewed the best 40-inch TVs you can buy from brands like Samsung, Sony, and TCL to help you find the right fit for your budget and home theater.

The best 40-inch TVs of 2025: Expert tested for smaller spaces

We review dozens of laptops each year at ZDNET. These are the most popular ones among our readers for 2025.

The top 10 laptops our readers bought this year (no. 1 surprised us)

<A HREF="https://www.wsj.com/tech/now-tech-moguls-want-to-build-data-centers-in-outer-space-a8d08b4b?st=aK2n8a&reflink=article_copyURL_share"><IMG VSPACE="4" HSPACE="4" BORDER="0" ALIGN="RIGHT" SRC="http://www.techmeme.com/251116/i9.jpg"></A>
<A HREF="http://www.techmeme.com/251116/p9#a251116p9" TITLE="Techmeme permalink"><IMG WIDTH=11 HEIGHT=12 SRC="http://www.techmeme.com/img/pml.png" STYLE="border:none;padding:0;margin:0;"></A> Tim Higgins / <A HREF="https://www.wsj.com/">Wall Street Journal</A>: 
<A HREF="https://www.wsj.com/tech/now-tech-moguls-want-to-build-data-centers-in-outer-space-a8d08b4b?st=aK2n8a&reflink=article_copyURL_share">Elon Musk, Jeff Bezos, and Sundar Pichai have each discussed lunar and orbital AI data centers, which could offer steady solar power with fewer regulations</A>&nbsp; &mdash;&nbsp; Energy constraints in the artificial-intelligence race are causing tech companies to think out of this world

ناقش إيلون ماسك وجيف بيزوس وسوندار بيتشاي إمكانية إنشاء مراكز بيانات للذكاء الاصطناعي على القمر وفي المدار. يمكن أن توفر هذه المراكز مصدرًا ثابتًا للطاقة الشمسية مع تقليل القيود التنظيمية. تأتي هذه الفكرة نتيجة للقيود الطاقية التي تواجه قطاع الذكاء الاصطناعي.

Elon Musk, Jeff Bezos y Sundar Pichai han discutido sobre la posibilidad de centros de datos de IA lunares y orbitales. Estos centros podrían proporcionar una fuente constante de energía solar mientras operan bajo menos regulaciones. La exploración de este concepto está impulsada por las limitaciones energéticas que enfrenta el sector de la inteligencia artificial.

Elon Musk, Jeff Bezos et Sundar Pichai ont discuté de la possibilité de centres de données AI lunaires et orbitaux. Ces centres pourraient fournir une source constante d'énergie solaire tout en étant soumis à moins de contraintes réglementaires. Cette exploration est motivée par les limitations énergétiques rencontrées dans le secteur de l'intelligence artificielle.

Elon Musk, Jeff Bezos, and Sundar Pichai have engaged in discussions about the potential for lunar and orbital AI data centers. These centers could provide a consistent source of solar power while operating under fewer regulatory constraints. The exploration of this concept is driven by energy limitations faced in the artificial intelligence sector.

Elon Musk, Jeff Bezos, and Sundar Pichai have each discussed lunar and orbital AI data centers, which could offer steady solar power with fewer regulations (Tim Higgins/Wall Street Journal)

<A HREF="https://www.wsj.com/tech/personal-tech/flighty-app-flight-cancellations-delays-900a8aad?st=hKDKk8&reflink=article_copyURL_share"><IMG VSPACE="4" HSPACE="4" BORDER="0" ALIGN="RIGHT" SRC="http://www.techmeme.com/251116/i5.jpg"></A>
<A HREF="http://www.techmeme.com/251116/p5#a251116p5" TITLE="Techmeme permalink"><IMG WIDTH=11 HEIGHT=12 SRC="http://www.techmeme.com/img/pml.png" STYLE="border:none;padding:0;margin:0;"></A> Ben Cohen / <A HREF="https://www.wsj.com/">Wall Street Journal</A>: 
<A HREF="https://www.wsj.com/tech/personal-tech/flighty-app-flight-cancellations-delays-900a8aad?st=hKDKk8&reflink=article_copyURL_share">A look at Flighty, a flight-tracking app that often beats airline updates; downloads went up 3x when the FAA cut air traffic during the US government shutdown</A>&nbsp; &mdash;&nbsp; There's a product that makes flying less miserable&mdash;and it has never been so valuable&nbsp; &mdash;&nbsp; It all goes back to an airport Chili's.

شهدت تطبيق Flighty، الذي يتتبع الرحلات الجوية، زيادة كبيرة في التنزيلات، حيث تضاعفت ثلاث مرات خلال الإغلاق الحكومي الأمريكي الأخير عندما خفضت إدارة الطيران الفيدرالية حركة الطيران. يُعرف التطبيق بتقديم تحديثات أسرع من شركات الطيران، مما يجعله أداة قيمة للمسافرين. تسلط هذه الزيادة في الاستخدام الضوء على الأهمية المتزايدة للتطبيق في قطاع الطيران، خاصةً خلال الاضطرابات.

Flighty, una aplicación de seguimiento de vuelos, ha visto un aumento significativo en las descargas, triplicándose durante el reciente cierre del gobierno de EE. UU. cuando la FAA redujo el tráfico aéreo. La aplicación es conocida por proporcionar actualizaciones más rápidas que las aerolíneas, lo que la convierte en una herramienta valiosa para los viajeros. Este aumento en el uso resalta la creciente importancia de la aplicación en el sector de la aviación, especialmente durante las interrupciones.

Flighty, une application de suivi des vols, a connu une augmentation significative de ses téléchargements, triplant pendant la récente fermeture du gouvernement américain lorsque la FAA a réduit le trafic aérien. L'application est reconnue pour fournir souvent des mises à jour plus rapidement que les compagnies aériennes, ce qui en fait un outil précieux pour les voyageurs. Cette augmentation d'utilisation souligne l'importance croissante de l'application dans le secteur de l'aviation, en particulier lors des perturbations.

Flighty, a flight-tracking app, has seen a significant increase in downloads, tripling during the recent US government shutdown when the FAA cut air traffic. The app is noted for often providing updates faster than airlines, making it a valuable tool for travelers. This surge in usage highlights the app's growing importance in the aviation sector, especially during disruptions.

A look at Flighty, a flight-tracking app that often beats airline updates; downloads went up 3x when the FAA cut air traffic during the US government shutdown (Ben Cohen/Wall Street Journal)

arXiv:2506.22481v2 Announce Type: replace-cross 
Abstract: In recent years, significant advancements in the field of Natural Language Processing (NLP) have positioned commercialized language models as wide-reaching, highly useful tools. In tandem, there has been an explosion of multidisciplinary research examining how NLP tasks reflect, perpetuate, and amplify social biases such as gender and racial bias. A significant gap in this scholarship is a detailed analysis of how queer sexualities are encoded and (mis)represented by both NLP systems and practitioners. Following previous work in the field of AI fairness, we document how sexuality is defined and operationalized via a survey and analysis of 55 articles that quantify sexuality-based NLP bias. We find that sexuality is not clearly defined in a majority of the literature surveyed, indicating a reliance on assumed or normative conceptions of sexual/romantic practices and identities. Further, we find that methods for extracting biased outputs from NLP technologies often conflate gender and sexual identities, leading to monolithic conceptions of queerness and thus improper quantifications of bias. With the goal of improving sexuality-based NLP bias analyses, we conclude with recommendations that encourage more thorough engagement with both queer communities and interdisciplinary literature.

أدت التطورات الأخيرة في معالجة اللغة الطبيعية (NLP) إلى استخدام واسع النطاق لنماذج اللغة، مما أثار أبحاثًا حول كيفية انعكاس وتعزيز التحيزات الاجتماعية، بما في ذلك التحيزات الجندرية والعرقية. ومع ذلك، هناك فجوة ملحوظة في تحليل كيفية تمثيل الهويات الجنسية غير التقليدية في أنظمة NLP. تكشف دراسة شملت 55 مقالًا أن مفهوم الجنسية غالبًا ما يكون غير محدد بوضوح، مما يعتمد على افتراضات معيارية حول الهويات والممارسات الجنسية والرومانسية، مما يثير مخاوف بشأن كيفية تشغيل مفهوم الجنسية في أبحاث التحيز في NLP.

Los avances recientes en el procesamiento del lenguaje natural (NLP) han llevado a un uso generalizado de modelos de lenguaje, lo que ha provocado investigaciones sobre cómo se reflejan y amplifican los sesgos sociales, incluidos los sesgos de género y raciales. Sin embargo, existe una notable brecha en el análisis de cómo se representan las sexualidades queer en los sistemas de NLP. Una encuesta de 55 artículos revela que la sexualidad a menudo está mal definida, dependiendo de suposiciones normativas sobre las identidades sexuales y románticas, lo que plantea preocupaciones sobre la operacio…

Les avancées récentes en traitement du langage naturel (NLP) ont conduit à une utilisation généralisée des modèles linguistiques, suscitant des recherches sur la réflexion et l'amplification des biais sociaux, y compris les biais de genre et raciaux. Cependant, il existe un écart notable dans l'analyse de la représentation des sexualités queer dans les systèmes NLP. Une enquête sur 55 articles révèle que la sexualité est souvent mal définie, reposant sur des hypothèses normatives concernant les identités sexuelles et romantiques, ce qui soulève des préoccupations quant à l'opérationnalisation …

Recent advancements in Natural Language Processing (NLP) have led to the widespread use of language models, prompting research into the reflection and amplification of social biases, including gender and racial bias. However, there is a notable gap in the analysis of how queer sexualities are represented in NLP systems. A survey of 55 articles reveals that sexuality is often poorly defined, relying on normative assumptions about sexual and romantic identities, which raises concerns about the operationalization of sexuality in NLP bias research.

Theories of "Sexuality" in Natural Language Processing Bias Research

arXiv:2503.11858v3 Announce Type: replace 
Abstract: Large Language Models (LLMs) have demonstrated great potential as evaluators of NLG systems, allowing for high-quality, reference-free, and multi-aspect assessments. However, existing LLM-based metrics suffer from two major drawbacks: reliance on proprietary models to generate training data or perform evaluations, and a lack of fine-grained, explanatory feedback. In this paper, we introduce OpeNLGauge, a fully open-source, reference-free NLG evaluation metric that provides accurate explanations based on error spans. OpeNLGauge is available as a two-stage ensemble of larger open-weight LLMs, or as a small fine-tuned evaluation model, with confirmed generalizability to unseen tasks, domains and aspects. Our extensive meta-evaluation shows that OpeNLGauge achieves competitive correlation with human judgments, outperforming state-of-the-art models on certain tasks while maintaining full reproducibility and providing explanations more than twice as accurate.

OpeNLGauge هي مقياس مفتوح المصدر جديد لتقييم أنظمة توليد اللغة الطبيعية (NLG) باستخدام نماذج اللغة الكبيرة (LLMs). على عكس المقاييس الحالية التي تعتمد على نماذج ملكية، يوفر OpeNLGauge تقييمات بدون مرجع ويقدم تفسيرات دقيقة تعتمد على نطاقات الأخطاء. تم تصميمه ليكون قابلاً للتكيف مع مهام ومجالات متنوعة، حيث يظهر ارتباطًا تنافسيًا مع أحكام البشر ويتفوق على بعض النماذج المتطورة مع ضمان القابلية للتكرار.

OpeNLGauge es una nueva métrica de código abierto para la evaluación de sistemas de Generación de Lenguaje Natural (NLG) que utiliza Modelos de Lenguaje de Gran Tamaño (LLMs). A diferencia de las métricas existentes que dependen de modelos propietarios, OpeNLGauge ofrece evaluaciones sin referencia y proporciona explicaciones detalladas basadas en rangos de error. Está diseñada para ser adaptable a diversas tareas y dominios, mostrando una correlación competitiva con los juicios humanos y superando a algunos modelos de última generación, garantizando la reproducibilidad.

OpeNLGauge est une nouvelle métrique open-source pour l'évaluation des systèmes de génération de langage naturel (NLG) utilisant des modèles de langage de grande taille (LLM). Contrairement aux métriques existantes qui dépendent de modèles propriétaires, OpeNLGauge propose des évaluations sans référence et fournit des explications détaillées basées sur des plages d'erreurs. Elle est conçue pour être adaptable à diverses tâches et domaines, montrant une corrélation compétitive avec les jugements humains et surpassant certains modèles à la pointe de la technologie tout en garantissant la reprodu…

OpeNLGauge is a newly introduced open-source metric for evaluating Natural Language Generation (NLG) systems using Large Language Models (LLMs). Unlike existing metrics that depend on proprietary models, OpeNLGauge offers reference-free evaluations and provides detailed explanations based on error spans. It is designed to be adaptable to various tasks and domains, demonstrating competitive correlation with human judgments and outperforming some state-of-the-art models while ensuring reproducibility.

OpeNLGauge: An Explainable Metric for NLG Evaluation with Open-Weights LLMs

arXiv:2511.14112v1 Announce Type: new 
Abstract: Automatic ICD coding from clinical text is a critical task in medical NLP but remains hindered by the extreme long-tail distribution of diagnostic codes. Thousands of rare and zero-shot ICD codes are severely underrepresented in datasets like MIMIC-III, leading to low macro-F1 scores. In this work, we propose a data-centric framework that generates high-quality synthetic discharge summaries to mitigate this imbalance. Our method constructs realistic multi-label code sets anchored on rare codes by leveraging real-world co-occurrence patterns, ICD descriptions, synonyms, taxonomy, and similar clinical notes. Using these structured prompts, we generate 90,000 synthetic notes covering 7,902 ICD codes, significantly expanding the training distribution. We fine-tune two state-of-the-art transformer-based models, PLM-ICD and GKI-ICD, on both the original and extended datasets. Experiments show that our approach modestly improves macro-F1 while maintaining strong micro-F1, outperforming prior SOTA. While the gain may seem marginal relative to the computational cost, our results demonstrate that carefully crafted synthetic data can enhance equity in long-tail ICD code prediction.

يعد الترميز التلقائي لرموز ICD من النصوص السريرية أمرًا ضروريًا في معالجة اللغة الطبيعية الطبية، ولكنه يواجه تحديات بسبب توزيع الرموز التشخيصية الطويلة. العديد من رموز ICD النادرة ممثلة تمثيلًا ناقصًا في مجموعات البيانات مثل MIMIC-III، مما يؤدي إلى انخفاض درجات macro-F1. يقدم هذا العمل إطارًا مركزيًا للبيانات يولد ملخصات خروج اصطناعية عالية الجودة للتخفيف من هذا الخلل. باستخدام أنماط التواجد الواقعية وموارد أخرى، يتم إنتاج 90,000 ملاحظة اصطناعية تغطي 7,902 رمز ICD، مما يزيد بشكل كبير من توزيع التدريب. يُظهر ضبط النموذجين PLM-ICD وGKI-ICD على هذه المجموعات من البيانات تحسينات متواضعة في درجات m…

El codificación automática de ICD a partir de textos clínicos es esencial en el procesamiento del lenguaje natural médico, pero enfrenta desafíos debido a la distribución de larga cola de los códigos diagnósticos. Muchos códigos ICD raros están subrepresentados en conjuntos de datos como MIMIC-III, lo que resulta en bajos puntajes macro-F1. Este trabajo presenta un marco centrado en los datos que genera resúmenes de alta calidad para mitigar este desequilibrio. Utilizando patrones de co-ocurrencia del mundo real y otros recursos, se generan 90,000 notas sintéticas que cubren 7,902 códigos ICD,…

Le codage automatique des ICD à partir de textes cliniques est essentiel en NLP médical, mais il est confronté à des défis en raison de la distribution longue traîne des codes diagnostiques. De nombreux codes ICD rares sont sous-représentés dans des ensembles de données comme MIMIC-III, entraînant de faibles scores macro-F1. Ce travail propose un cadre centré sur les données qui génère des résumés de sortie synthétiques pour remédier à ce problème. En utilisant des modèles de co-occurrence du monde réel et d'autres ressources, la méthode produit 90 000 notes synthétiques pour 7 902 codes ICD, …

Automatic ICD coding from clinical text is essential in medical NLP but faces challenges due to the long-tail distribution of diagnostic codes. Many rare ICD codes are underrepresented in datasets like MIMIC-III, resulting in low macro-F1 scores. This work introduces a data-centric framework that generates synthetic discharge summaries to address this issue. By utilizing real-world co-occurrence patterns and other resources, the method produces 90,000 synthetic notes for 7,902 ICD codes, enhancing the training distribution. Fine-tuning of PLM-ICD and GKI-ICD models on these datasets shows mode…

From Semantic Roles to Opinion Roles: SRL Data Extraction for Multi-Task and Transfer Learning in Low-Resource ORL

Was this article worth reading? Share it