関係分類のための反事実の自動生成【JST・京大機械翻訳】

Zhang Mi; Qian Tieyun; Zhang Ting

プレプリント

J-GLOBAL ID：202202213295374380 整理番号：22P0293280

関係分類のための反事実の自動生成【JST・京大機械翻訳】

Automatically Generating Counterfactuals for Relation Classification

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年02月21日プレプリントサーバーでの情報更新日： 2022年03月09日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

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】

, , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

人工知能 , 自然語処理

前のページに戻る