論文の概要: Case-Based Abductive Natural Language Inference

• arxiv url: http://arxiv.org/abs/2009.14539v4
• Date: Sat, 10 Sep 2022 09:07:57 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-12 22:24:46.917853
• Title: Case-Based Abductive Natural Language Inference
• Title（参考訳）: 事例に基づく帰納的自然言語推論
• Authors: Marco Valentino, Mokanarangan Thayaparan, Andr\'e Freitas
• Abstract要約: 事例ベース帰納的自然言語推論(CB-ANLI) 事例ベース帰納的自然言語推論(CB-ANLI)
• 参考スコア（独自算出の注目度）: 4.726777092009554
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Most of the contemporary approaches for multi-hop Natural Language Inference (NLI) construct explanations considering each test case in isolation. However, this paradigm is known to suffer from semantic drift, a phenomenon that causes the construction of spurious explanations leading to wrong conclusions. In contrast, this paper proposes an abductive framework for multi-hop NLI exploring the retrieve-reuse-refine paradigm in Case-Based Reasoning (CBR). Specifically, we present Case-Based Abductive Natural Language Inference (CB-ANLI), a model that addresses unseen inference problems by analogical transfer of prior explanations from similar examples. We empirically evaluate the abductive framework on commonsense and scientific question answering tasks, demonstrating that CB-ANLI can be effectively integrated with sparse and dense pre-trained encoders to improve multi-hop inference, or adopted as an evidence retriever for Transformers. Moreover, an empirical analysis of semantic drift reveals that the CBR paradigm boosts the quality of the most challenging explanations, a feature that has a direct impact on robustness and accuracy in downstream inference tasks.
• Abstract（参考訳）: マルチホップ自然言語推論(NLI)の現代のアプローチのほとんどは、それぞれのテストケースを独立に考慮した説明を構築している。 しかし、このパラダイムはセマンティックドリフトに苦しむことが知られており、これは誤った結論につながる突発的な説明の構築を引き起こす現象である。 対照的に,本稿では,ケースベース推論(cbr)におけるレトリーブ・リユース・リファインメントパラダイムを探求するマルチホップnliのためのアブダクティブフレームワークを提案する。 具体的には,類似の例から先行する説明を類推的に移し,未知の推論問題に対処するモデルであるケースベースアブダクティブ自然言語推論(cb-anli)を提案する。 我々は,コモンセンスと科学的質問応答タスクに関する帰納的枠組みを実証的に評価し,cb-anliを疎密な事前学習エンコーダと効果的に統合し,マルチホップ推論を改善したり,トランスフォーマのエビデンスレコーダとして採用できることを示した。 さらに、セマンティックドリフトの実証分析により、CBRパラダイムは、下流推論タスクの堅牢性と正確性に直接影響を与える特徴である最も困難な説明の質を高めることが明らかとなった。

関連論文リスト

• Explaining Text Similarity in Transformer Models [52.571158418102584]
  説明可能なAIの最近の進歩により、トランスフォーマーの説明の改善を活用することで、制限を緩和できるようになった。 両線形類似性モデルにおける2次説明の計算のために開発された拡張であるBiLRPを用いて、NLPモデルにおいてどの特徴相互作用が類似性を促進するかを調べる。 我々の発見は、異なる意味的類似性タスクやモデルに対するより深い理解に寄与し、新しい説明可能なAIメソッドが、どのようにして深い分析とコーパスレベルの洞察を可能にするかを強調した。
  論文  参考訳（メタデータ） (2024-05-10T17:11:31Z)
• Advancing Counterfactual Inference through Nonlinear Quantile Regression [77.28323341329461]
  ニューラルネットワークで実装された効率的かつ効果的な対実的推論のためのフレームワークを提案する。 提案手法は、推定された反事実結果から見つからないデータまでを一般化する能力を高める。 複数のデータセットで実施した実証実験の結果は、我々の理論的な主張に対する説得力のある支持を提供する。
  論文  参考訳（メタデータ） (2023-06-09T08:30:51Z)
• Learning a Structural Causal Model for Intuition Reasoning in Conversation [20.243323155177766]
  NLP研究の重要な側面である推論は、一般的なモデルによって適切に対処されていない。 我々は、各発話がどのように情報チャネルを受信し、活性化するかを説明する会話認知モデル(CCM)を開発した。 変分推論を利用することで、暗黙的な原因の代用を探索し、その観測不可能性の問題に対処し、証拠の低い境界を通して発話の因果表現を再構築する。
  論文  参考訳（メタデータ） (2023-05-28T13:54:09Z)
• Counterfactuals of Counterfactuals: a back-translation-inspired approach to analyse counterfactual editors [3.4253416336476246]
  我々は、反事実的、対照的な説明の分析に焦点をあてる。 本稿では,新しい逆翻訳に基づく評価手法を提案する。 本研究では, 予測モデルと説明モデルの両方の振る舞いについて, 反事実を反復的に説明者に与えることで, 価値ある洞察を得ることができることを示す。
  論文  参考訳（メタデータ） (2023-05-26T16:04:28Z)
• Abductive Commonsense Reasoning Exploiting Mutually Exclusive Explanations [118.0818807474809]
  帰納的推論は、イベントのもっともらしい説明を見つけることを目的としている。 自然言語処理における帰納的推論のための既存のアプローチは、しばしば監督のために手動で生成されたアノテーションに依存している。 この研究は、ある文脈に対して、説明のサブセットのみが正しいという事実を活用する、帰納的コモンセンス推論のアプローチを提案する。
  論文  参考訳（メタデータ） (2023-05-24T01:35:10Z)
• Logical Satisfiability of Counterfactuals for Faithful Explanations in NLI [60.142926537264714]
  本稿では, 忠実度スルー・カウンタファクトの方法論について紹介する。 これは、説明に表される論理述語に基づいて、反実仮説を生成する。 そして、そのモデルが表現された論理と反ファクトの予測が一致しているかどうかを評価する。
  論文  参考訳（メタデータ） (2022-05-25T03:40:59Z)
• Probing as Quantifying the Inductive Bias of Pre-trained Representations [99.93552997506438]
  本稿では,特定のタスクに対する表現の帰納的バイアスを評価することを目的とした,探索のための新しいフレームワークを提案する。 トークン、アーク、文レベルの一連のタスクに我々のフレームワークを適用します。
  論文  参考訳（メタデータ） (2021-10-15T22:01:16Z)
• Hybrid Autoregressive Solver for Scalable Abductive Natural Language Inference [2.867517731896504]
  本稿では,高密度バイエンコーダと説明力のスパースモデルとを自己回帰的に結合するハイブリッド誘導型解法を提案する。 提案するフレームワークは,最先端のクロスエンコーダに匹敵する性能を実現することができることを示す。
  論文  参考訳（メタデータ） (2021-07-25T19:29:53Z)
• Structural Causal Models Reveal Confounder Bias in Linear Program Modelling [26.173103098250678]
  この現象が自然界においてより一般的なものなのか、つまり古典的な分類タスク以外の敵型攻撃なのかを考察する。 具体的には,線形プログラム(LP)の基本クラスを考える。 構造因果モデル(SCM)のその後のLP最適化に対する直接的な影響を示す。
  論文  参考訳（メタデータ） (2021-05-26T17:19:22Z)
• Influence-Driven Explanations for Bayesian Network Classifiers [16.708069984516964]
  離散ネットワークベイズ分類器(BC)の解説に焦点をあてる。 本稿では,入力変数や出力変数だけでなく,中間変数を記述に含むbcsに対する影響駆動説明(idxs)を提案する。
  論文  参考訳（メタデータ） (2020-12-10T16:00:51Z)
• Learning Causal Semantic Representation for Out-of-Distribution Prediction [125.38836464226092]
  因果推論に基づく因果意味生成モデル(CSG)を提案し,その2つの要因を別々にモデル化する。 CSGはトレーニングデータに適合させることで意味的因子を識別できることを示し、この意味的識別はOOD一般化誤差の有界性を保証する。
  論文  参考訳（メタデータ） (2020-11-03T13:16:05Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。