语言属性的因果效应
计算与语言
2021-06-15 v5 人工智能
摘要
我们考虑利用观测数据估计语言属性的因果效应的问题。例如，礼貌地写投诉是否会带来更快的回复时间？正面的产品评论会使销量增加多少？本文在开发实用方法之前解决了与该问题相关的两个技术挑战。首先，我们将感兴趣的因果量形式化为作者意图的效应，并建立从观测数据中识别该效应所需的假设。其次，在实践中，我们只能获得感兴趣语言属性的含噪代理——例如来自分类器和词典的预测。我们针对该设定提出了一种估计量，并证明当对文本进行调整时其偏差是有界的。基于这些结果，我们引入了 TextCause，一种估计语言属性因果效应的算法。该方法利用（1）远程监督以提升含噪代理的质量，以及（2）预训练语言模型（BERT）来调整文本。我们表明，在估计 Amazon 评论情感对半模拟销售数据的影响时，所提方法优于相关方法。最后，我们给出一个应用案例研究，调查投诉礼貌性对官僚机构回复时间的影响。
引用
@article{arxiv.2010.12919,
title = {Causal Effects of Linguistic Properties},
author = {Reid Pryzant and Dallas Card and Dan Jurafsky and Victor Veitch and Dhanya Sridhar},
journal= {arXiv preprint arXiv:2010.12919},
year = {2021}
}
备注
To appear at NAACL 2021 (Annual Conference of the North American Chapter of the Association for Computational Linguistics)