基于半监督蕴含信号的可信抽取式理性化

复杂且不透明的黑箱模型的日益增长使用，要求采用可解释的措施，其中一种选项是抽取式理性化模型，作为更可解释的替代方案。这些模型也称为Explain-Then-Predict模型，利用解释器模型提取理性化片段，然后将提取的信息用于条件化预测器。其主要目标是提供精确且忠实的解释，由所提取的理性化片段表示。在本文中，我们采取半监督方法以优化提取理性化片段的可信度。我们采用预训练的自然语言推理(NLI)模型，并在小规模监督理性化数据集上进一步微调($10\%$)。所用的NLI预测器通过蕴含对齐方式作为解释器的监督信号来源。我们展示，通过在问答任务中强制执行解释与答案之间的对齐一致性，可在无需真实标签的情况下提高性能。我们在ERASER数据集上进行评估，表明本方法的成果与监督式抽取模型相当，且对无监督方法的表现提升超过$100\%$。