通过提示大型语言模型学习可解释的文体嵌入
计算与语言
2023-10-11 v2
摘要
文体表示学习构建文本中作者文体的内容无关表示。文体测量学（stylometry），即文本文体的分析，通常由专家司法语言学家执行，且不存在用于训练的大型文体测量标注数据集。当前文体表示学习使用神经方法将文体与内容解耦以创建文体向量，然而这些方法导致不可解释的表示，使其在与审计和可解释性至关重要的下游应用（如作者归属）中的使用复杂化。在这项工作中，我们使用提示对大量文本执行文体测量以创建一个合成数据集，并训练我们称为 LISA 嵌入的人类可解释文体表示。我们发布我们的合成文体测量数据集与可解释文体模型作为资源。
引用
@article{arxiv.2305.12696,
title = {Learning Interpretable Style Embeddings via Prompting LLMs},
author = {Ajay Patel and Delip Rao and Ansh Kothary and Kathleen McKeown and Chris Callison-Burch},
journal= {arXiv preprint arXiv:2305.12696},
year = {2023}
}