面向反事实检测的主题感知因果干预
计算与语言
2024-10-01 v2
摘要
反事实语句描述了未发生或不可能发生的事件，对众多 NLP 应用大有裨益。因此，我们考虑反事实检测（CFD）问题并寻求增强 CFD 模型。先前的模型依赖线索短语来预测反事实性，因此在测试期间不存在线索短语提示时，其性能会显著下降。此外，这些模型倾向于将反事实预测为非反事实。为了解决这些问题，我们提出将神经主题模型集成到 CFD 模型中，以捕获输入语句的全局语义。我们进一步对 CFD 模型的隐藏表示进行因果干预，以平衡类标签的影响。大量实验表明，我们的方法在 CFD 和其他对偏差敏感的任务中均优于先前最先进的 CFD 和偏差消除方法。
引用
@article{arxiv.2409.16668,
title = {Topic-aware Causal Intervention for Counterfactual Detection},
author = {Thong Nguyen and Truc-My Nguyen},
journal= {arXiv preprint arXiv:2409.16668},
year = {2024}
}
备注
Accepted to the 4th EMNLP-NLP4DH 2024 workshop