基于自然语言解释逻辑推理的零样本分类
计算与语言
2023-05-26 v2
摘要
人类能够通过对其语言解释进行推理来对未见类别的数据进行分类。这一能力源于语言的组合性：我们可以组合先前见过的属性来描述新类别。例如，我们可将丛鸦描述为“它具有细长且相对较短的喙、黄色眼睛和长尾”，从而他人可利用其对“细长且相对较短的喙”“黄色眼睛”和“长尾”等属性的知识来识别丛鸦。受此启发，本文通过对自然语言解释进行逻辑解析与推理来解决零样本分类任务。为此，我们提出框架CLORE（基于解释的逻辑推理分类）。此前的方法通常将文本信息视为隐式特征，而CLORE将解释解析为逻辑结构，并沿这些结构对输入显式推理以产生分类分数。在基于解释的零样本分类基准上的实验结果表明，CLORE优于基线方法，我们进一步表明这主要来自于在需要更多逻辑推理的任务上更高的分数。我们还证明我们的框架可扩展至视觉模态上的零样本分类。除分类决策外，CLORE可将逻辑解析与推理过程作为清晰的依据形式提供。通过实证分析，我们证明CLORE也比基线更少受语言偏差影响。
引用
@article{arxiv.2211.03252,
title = {Zero-Shot Classification by Logical Reasoning on Natural Language Explanations},
author = {Chi Han and Hengzhi Pei and Xinya Du and Heng Ji},
journal= {arXiv preprint arXiv:2211.03252},
year = {2023}
}
备注
9 pages, 8 figures. Accepted in the 61st Annual Meeting of the Association for Computational Linguistics (ACL 2023) Findings