数据注:替代名称编码 - - 用 Jyutping 或 Pinyin 作为数据链接中文名称的音调表示

科学领域:

• 数据科学数据科学数据科学
• 计算语言学 计算语言学
• 数据库管理数据库管理

背景情况:

• 准确的数据链接对于研究和政策至关重要,但来自不一致的名称表示的错误,特别是对于非英语名称,引入了偏见.
• 来自音调语言的名称的罗马化存在挑战,原因是拼写的变化,音调信息的丢失和不同的命名顺序规范.

研究的目的:

• 检查罗马化系统对中文名称数据链接准确性的影响.
• 将标准化系统 (Jyutping, Pinyin) 与非标准化系统 (HKG-罗马化) 进行比较.

主要方法:

• 对包含771名香港学生姓名的数据集进行分析.
• 使用标准化 (Jyutping,Pinyin) 和非标准化 (HKG-romanisation) 广东语罗曼化对联精度和回忆的比较.
• 评估纳入音调信息的影响.

主要成果:

• 标准化的罗马化系统 (Jyutping, Pinyin) 显著提高了名称的独特性和一致性,提高了链接精度和回忆.
• 朱和金实现了超过95%的回忆,而HKG罗马化仅达到68.8%.
• 包括音色信息进一步促进了链接回忆.

结论:

• 采用标准化,音调敏感的罗马化系统对于减少数据链接错误至关重要.
• 灵活的数据库设计和特定语言的预处理,包括语音编码,对于包容性和准确的数据链接是必要的.
• 这些改进对于数据公平至关重要,特别是对于代表性不足的群体.