抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
関係分類(RC)の目標は,テキストにおける/amongエンティティ間の意味関係を抽出することである。自然言語処理の基本的タスクとして,RCモデルのロバスト性を確実にすることが重要である。高精度電流深層ニューラルモデルがRCタスクにおいて達成されたにもかかわらず,それらは偽相関によって容易に影響を受ける。この問題に対する1つの解決策は,交絡よりむしろ因果関係を学習できるような,対抗的に拡張されたデータ(CAD)でモデルを訓練することである。しかし,RCタスクの対物を生成する試みはなされていない。本論文では,エンティティ中心視点からRCタスクに対するCADの自動生成問題を定式化し,エンティティに対する文脈的カウンターファクトルを導くための新しいアプローチを開発した。特に,2つの基本的トポロジー特性,すなわち,構文的および意味的依存性グラフにおける中心性と最短経路,を最初に同定して,次にエンティティの文脈的因果特性に介入する。提案手法を様々なバックボーンRCモデルと組み合わせることにより,4つのRCデータセットに関する総合評価を行った。結果は,著者らのアプローチがバックボーンの性能を改善するだけでなく,ドメイン外試験においてそれらをよりロバストにすることを証明した。【JST・京大機械翻訳】