Key points are not available for this paper at this time.
Die weit verbreitete Verfügbarkeit von Textdaten in sozialen Medien hat ein Interesse an Algorithmen geweckt, die die Nutzerattribute wie Geschlecht basierend auf dem Schreibstil des Nutzers vorhersagen. Diese Methoden sind wertvoll für die sozialwissenschaftliche Forschung sowie für gezielte Werbung und Profilbildung, gefährden jedoch auch die Privatsphäre der Nutzer, die sich möglicherweise nicht bewusst sind, dass ihre persönlichen Idiolekten ihre demografischen Identitäten preisgeben können. Können wir einen Text automatisch so modifizieren, dass der Autor als bestimmtes Zielgeschlecht klassifiziert wird, trotz begrenztem Wissen des Klassifizierers, während die Flüssigkeit und Bedeutung des Textes bewahrt bleiben? Wir präsentieren ein grundlegendes Modell zur Modifikation eines Textes durch lexikalischen Ersatz, zeigen empirische Ergebnisse mit Twitter- und Yelp-Daten und skizzieren Ideen für Erweiterungen.
Reddy et al. (Fr,) untersuchten diese Frage.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: