句法跨度偏好事后解释分歧中的作用

事后解释方法是提高模型对用户透明度的重要工具。遗憾的是，当前用于归因词元重要性的方法往往产生不同的模式。在本工作中，我们从语言学角度研究了不同方法之间产生分歧的潜在根源。我们发现，不同方法系统地选择不同类别的词，且与其他方法和人类一致性最高的方法表现出相似的语言学偏好。如果我们在句法跨度层面比较这些方法，方法间的词元级差异会被平滑掉。我们还发现，通过动态估计最重要的跨度，而不是依赖大小为 $k$ 的固定子集，可以提高方法间的一致性。我们系统地研究了 $k$ 与跨度之间的相互作用，并提出了一种用于选择重要词元的改进配置。