自然语言的孤立因果效应

随着语言技术的普及，理解语言变化如何影响读者的感知和行为变得至关重要。可以将这些关系形式化为某些 focal 语言编码干预（例如事实错误）对外部结果（例如读者信念）的孤立因果效应。在本文中，我们引入了用于估计语言孤立因果效应的正式估计框架。我们指出，估计孤立效应的核心挑战在于需要近似干预之外的所有非 focal 语言。drawing on the principle of omitted variable bias，我们提供了用于评估非 focal 语言近似质量和孤立效应估计本身的措施。我们发现，poor approximation of non-focal language 可能导致相应的孤立效应估计受偏误，因为遗漏了相关变量；我们展示了如何沿着忠实度和重叠的两个关键轴来评估效应估计对此类偏误的敏感性。在半合成数据和真实世界数据上的实验中，我们验证了框架正确恢复孤立效应的能力，并演示了我们提出措施的实用性。