基于因果干预的提示去偏方法用于事件论元抽取
计算与语言
2022-10-05 v1 人工智能
摘要
基于提示的方法在信息抽取任务中日益流行，尤其在低数据场景下。通过将微调任务格式化为预训练目标，基于提示的方法有效解决了数据稀缺问题。然而，以往研究很少探讨不同提示构造策略之间的差异。本工作中，我们比较了两类提示：基于名称的提示与基于本体的提示，并揭示了在零样本事件论元抽取（EAE）中基于本体的提示方法为何优于其对应方法。此外，我们通过因果视角分析基于本体的提示中的潜在风险，并提出一种通过因果干预的去偏方法。在两个基准上的实验表明，经我们的去偏方法修正后，基线模型变得更有效且更鲁棒，在抵抗对抗攻击方面有明显提升。
引用
@article{arxiv.2210.01561,
title = {Causal Intervention-based Prompt Debiasing for Event Argument Extraction},
author = {Jiaju Lin and Jie Zhou and Qin Chen},
journal= {arXiv preprint arXiv:2210.01561},
year = {2022}
}