Text-Transport：面向自然语言因果效应学习
计算与语言
2023-11-01 v1 统计方法学
摘要
随着语言技术在现实场景中的日益突出，理解语言的变化如何影响读者感知十分重要。这可被形式化为改变某一语言属性（如情感）对读者文本响应的因果效应。本文中，我们提出 Text-Transport，一种在任何文本分布下估计自然语言因果效应的方法。当前有效的因果效应估计方法需要对数据施加强假设，意味着可从中估计有效因果效应的数据往往不能代表实际感兴趣的目标域。为解决此问题，我们利用分布偏移的概念来描述一种在域间迁移因果效应的估计量，从而避开目标域中强假设的需求。我们推导了该估计量不确定性的统计保证，并报告了支持 Text-Transport 跨数据设置有效性的实证结果与分析。最后，我们使用 Text-Transport 研究了一个现实场景——社交媒体上的仇恨言论——其中因果效应在文本域间确实显著偏移，证明了在自然语言上进行因果推断时迁移的必要性。
引用
@article{arxiv.2310.20697,
title = {Text-Transport: Toward Learning Causal Effects of Natural Language},
author = {Victoria Lin and Louis-Philippe Morency and Eli Ben-Michael},
journal= {arXiv preprint arXiv:2310.20697},
year = {2023}
}
备注
Accepted to EMNLP 2023