論文の概要: Causal Inference in Natural Language Processing: Estimation, Prediction, Interpretation and Beyond

• arxiv url: http://arxiv.org/abs/2109.00725v1
• Date: Thu, 2 Sep 2021 05:40:08 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-04 01:09:41.518962
• Title: Causal Inference in Natural Language Processing: Estimation, Prediction, Interpretation and Beyond
• Title（参考訳）: 自然言語処理における因果推論--推定・予測・解釈・超越
• Authors: Amir Feder, Katherine A. Keith, Emaad Manzoor, Reid Pryzant, Dhanya Sridhar, Zach Wood-Doughty, Jacob Eisenstein, Justin Grimmer, Roi Reichart, Margaret E. Roberts, Brandon M. Stewart, Victor Veitch, Diyi Yang
• Abstract要約: 学術分野にまたがる研究を集約し、より広い自然言語処理の現場に配置する。 本稿では,因果効果を推定する統計的課題を紹介し,テキストを結果,治療,あるいはコンバウンディングに対処するための手段として用いるような設定を包含する。 さらに, NLPモデルの性能, 堅牢性, 公正性, 解釈可能性を向上させるために, 因果推論の潜在的利用について検討する。
• 参考スコア（独自算出の注目度）: 38.055142444836925
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: A fundamental goal of scientific research is to learn about causal relationships. However, despite its critical role in the life and social sciences, causality has not had the same importance in Natural Language Processing (NLP), which has traditionally placed more emphasis on predictive tasks. This distinction is beginning to fade, with an emerging area of interdisciplinary research at the convergence of causal inference and language processing. Still, research on causality in NLP remains scattered across domains without unified definitions, benchmark datasets and clear articulations of the remaining challenges. In this survey, we consolidate research across academic areas and situate it in the broader NLP landscape. We introduce the statistical challenge of estimating causal effects, encompassing settings where text is used as an outcome, treatment, or as a means to address confounding. In addition, we explore potential uses of causal inference to improve the performance, robustness, fairness, and interpretability of NLP models. We thus provide a unified overview of causal inference for the computational linguistics community.
• Abstract（参考訳）: 科学的研究の基本的な目標は因果関係について学ぶことである。 しかし、生命科学や社会科学において重要な役割を担っているにもかかわらず、因果関係は自然言語処理(NLP)においてそれほど重要ではない。 この区別は薄れ始めており、因果推論と言語処理の収束における学際研究の新たな領域が生まれている。 それでも、NLPの因果関係の研究は、統一された定義やベンチマークデータセット、残りの課題を明確に記述することなく、ドメインに分散している。 本調査では,学術領域にまたがる研究を集約し,より広いNLPランドスケープに配置する。 本稿では,因果効果を推定する統計的課題,テキストを結果,治療,あるいは共起に対処する手段として用いる設定について紹介する。 さらに, nlpモデルの性能, 頑健性, 公平性, 解釈性を改善するための因果推論の可能性について検討する。 そこで我々は,計算言語学コミュニティにおける因果推論の統一的な概要を提供する。

関連論文リスト

• Causal Inference with Large Language Model: A Survey [5.651037052334014]
  因果推論は医学や経済学といった様々な分野において重要な課題となっている。 自然言語処理(NLP)の最近の進歩は、従来の因果推論タスクに有望な機会をもたらした。
  論文  参考訳（メタデータ） (2024-09-15T18:43:11Z)
• Zero-shot Causal Graph Extrapolation from Text via LLMs [50.596179963913045]
  我々は,自然言語から因果関係を推定する大規模言語モデル (LLM) の能力を評価する。 LLMは、(特別な)トレーニングサンプルを必要とせずにペア関係のベンチマークで競合性能を示す。 我々は、反復的なペアワイズクエリを通して因果グラフを外挿するアプローチを拡張した。
  論文  参考訳（メタデータ） (2023-12-22T13:14:38Z)
• Quantifying the Dialect Gap and its Correlates Across Languages [69.18461982439031]
  この研究は、明らかな相違を明らかにし、マインドフルなデータ収集を通じてそれらに対処する可能性のある経路を特定することによって、方言NLPの分野を強化する基盤となる。
  論文  参考訳（メタデータ） (2023-10-23T17:42:01Z)
• Uncertainty in Natural Language Processing: Sources, Quantification, and Applications [56.130945359053776]
  NLP分野における不確実性関連作業の総合的なレビューを行う。 まず、自然言語の不確実性の原因を、入力、システム、出力の3つのタイプに分類する。 我々は,NLPにおける不確実性推定の課題について論じ,今後の方向性について論じる。
  論文  参考訳（メタデータ） (2023-06-05T06:46:53Z)
• A Diachronic Analysis of Paradigm Shifts in NLP Research: When, How, and Why? [84.46288849132634]
  本稿では、因果発見と推論技術を用いて、科学分野における研究トピックの進化を分析するための体系的な枠組みを提案する。 我々は3つの変数を定義し、NLPにおける研究トピックの進化の多様な側面を包含する。 我々は因果探索アルゴリズムを用いてこれらの変数間の因果関係を明らかにする。
  論文  参考訳（メタデータ） (2023-05-22T11:08:00Z)
• CausalDialogue: Modeling Utterance-level Causality in Conversations [83.03604651485327]
  クラウドソーシングを通じて、CausalDialogueという新しいデータセットをコンパイルし、拡張しました。 このデータセットは、有向非巡回グラフ(DAG)構造内に複数の因果効果対を含む。 ニューラル会話モデルの訓練における発話レベルにおける因果性の影響を高めるために,Exponential Average Treatment Effect (ExMATE) と呼ばれる因果性強化手法を提案する。
  論文  参考訳（メタデータ） (2022-12-20T18:31:50Z)
• Assessing the Limits of the Distributional Hypothesis in Semantic Spaces: Trait-based Relational Knowledge and the Impact of Co-occurrences [6.994580267603235]
  この研究は、自然言語の有意義な表現を捉えるために、データに必要とされることの比較的無意味な経路に寄与する。 これは、英語とスペイン語のセマンティックスペースが特定の種類の関係知識をいかにうまく捉えているかを評価することを必要とする。
  論文  参考訳（メタデータ） (2022-05-16T12:09:40Z)
• Identifying Causal Influences on Publication Trends and Behavior: A Case Study of the Computational Linguistics Community [10.791197825505755]
  本稿では,出版傾向と行動の因果的影響を明らかにするための混合手法分析について述べる。 主要な発見は、研究コミュニティにおける急速に発展する方法論への移行を浮き彫りにしている。 我々はこの研究が出版トレンドや行動に関する有用な洞察を提供することを期待している。
  論文  参考訳（メタデータ） (2021-10-15T08:36:13Z)
• We Need to Talk About Data: The Importance of Data Readiness in Natural Language Processing [3.096615629099618]
  我々は、NLPにおける学術研究と学術以外の問題への応用との間にはギャップがあると主張している。 本稿では,データのアクセシビリティ,有効性,有用性に関して,研究者と外部利害関係者のコミュニケーションを改善する方法を提案する。
  論文  参考訳（メタデータ） (2021-10-11T17:55:07Z)

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。