論文の概要: Let the CAT out of the bag: Contrastive Attributed explanations for Text

• arxiv url: http://arxiv.org/abs/2109.07983v1
• Date: Thu, 16 Sep 2021 13:44:55 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-17 14:15:14.740346
• Title: Let the CAT out of the bag: Contrastive Attributed explanations for Text
• Title（参考訳）: CATをバッグから外す: テキストの対照的な説明
• Authors: Saneem Chemmengath, Amar Prakash Azad, Ronny Luss, Amit Dhurandhar
• Abstract要約: テキスト(CAT)のコントラスト的説明法を提案する。 提案手法は,自然言語のテキストデータに対して,新しいツイストを用いた対照的な説明を提供する。 定性的な例とユーザスタディを通して、これらの属性により、我々の手法がより多くの洞察を伝達するだけでなく、より良い品質(コントラスト)のテキストをもたらすことを示す。
• 参考スコア（独自算出の注目度）: 10.703346059899637
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Contrastive explanations for understanding the behavior of black box models has gained a lot of attention recently as they provide potential for recourse. In this paper, we propose a method Contrastive Attributed explanations for Text (CAT) which provides contrastive explanations for natural language text data with a novel twist as we build and exploit attribute classifiers leading to more semantically meaningful explanations. To ensure that our contrastive generated text has the fewest possible edits with respect to the original text, while also being fluent and close to a human generated contrastive, we resort to a minimal perturbation approach regularized using a BERT language model and attribute classifiers trained on available attributes. We show through qualitative examples and a user study that our method not only conveys more insight because of these attributes, but also leads to better quality (contrastive) text. Moreover, quantitatively we show that our method is more efficient than other state-of-the-art methods with it also scoring higher on benchmark metrics such as flip rate, (normalized) Levenstein distance, fluency and content preservation.
• Abstract（参考訳）: ブラックボックスモデルの振る舞いを理解するための対照的な説明は、最近、議論の可能性を秘めているため、多くの注目を集めている。 本稿では,自然言語テキストデータに対して,属性分類器を構築・活用し,より意味的に意味のある説明へと導く新しいツイストを用いた対比的説明を提供する手法であるcatを提案する。 私たちのコントラスト生成テキストが、原文に関して最も編集が少ないことを保証すると同時に、人間の生成したコントラストに近いことを保証するために、bert言語モデルと利用可能な属性で訓練された属性分類器を使って正規化された最小の摂動アプローチを頼りにする。 質的例とユーザスタディを通して,提案手法は,これらの属性によってより深い洞察を与えるだけでなく,より高品質な(一貫性のある)テキストをもたらすことを示した。 さらに,本手法は他の最先端手法よりも効率的であり,フリップ率,(正規化)レフェンシュタイン距離,流束率,コンテンツ保存などのベンチマーク指標も高い値を示した。

関連論文リスト

• Constructing Vec-tionaries to Extract Message Features from Texts: A Case Study of Moral Appeals [5.336592570916432]
  本稿では,単語埋め込みによる検証辞書を向上するベクタリー測度ツールの構築手法を提案する。 vec-tionaryは、テキストの強みを超えてメッセージ機能のあいまいさを捉えるために、追加のメトリクスを生成することができる。
  論文  参考訳（メタデータ） (2023-12-10T20:37:29Z)
• Text Attribute Control via Closed-Loop Disentanglement [72.2786244367634]
  本稿では,コンテンツ保存性を高めつつ,属性のロバストな制御を実現するための新しい手法を提案する。 本稿では,半教師付きコントラスト学習法を用いて,潜在空間における属性のアンタングル化を促進する。 Yelp Serviceレビューデータセット、Amazon Product Reviewデータセット、GoEmotionsデータセットを含む3つのテキストデータセットの実験を行った。
  論文  参考訳（メタデータ） (2023-12-01T01:26:38Z)
• Active Learning for Abstractive Text Summarization [50.79416783266641]
  本稿では,抽象テキスト要約におけるアクティブラーニングのための最初の効果的なクエリ戦略を提案する。 ALアノテーションにおける私たちの戦略は、ROUGEと一貫性スコアの点からモデル性能を向上させるのに役立ちます。
  論文  参考訳（メタデータ） (2023-01-09T10:33:14Z)
• Fine-Grained Visual Entailment [51.66881737644983]
  そこで本稿では,テキストから画像への微粒な知識要素の論理的関係を予測することを目的として,このタスクの拡張を提案する。 従来の研究とは異なり、本手法は本質的に説明可能であり、異なるレベルの粒度で論理的予測を行う。 本手法は,手動でアノテートした知識要素のデータセットを用いて評価し,この課題に対して68.18%の精度を達成できることを示す。
  論文  参考訳（メタデータ） (2022-03-29T16:09:38Z)
• Obtaining Better Static Word Embeddings Using Contextual Embedding Models [53.86080627007695]
  提案手法はCBOWをベースとした簡易な蒸留法である。 副作用として、我々の手法は文脈的および静的な埋め込みの公正な比較を可能にする。
  論文  参考訳（メタデータ） (2021-06-08T12:59:32Z)
• A Novel Estimator of Mutual Information for Learning to Disentangle Textual Representations [27.129551973093008]
  本稿では、属性とエンコーダの潜入コードの間の相互情報に有する新しい変動上界について紹介する。 これは、Renyiの発散による近似誤差の制御を目標とし、より良い離散表現と望ましい離散度の正確な制御の両方をもたらす。 公平な分類とテキストスタイルの転送タスクにおいて、この方法の優位性を示す。
  論文  参考訳（メタデータ） (2021-05-06T14:05:06Z)
• Improving Disentangled Text Representation Learning with Information-Theoretic Guidance [99.68851329919858]
  自然言語の独特な性質は、テキスト表現の分離をより困難にする。 情報理論にインスパイアされた本研究では,テキストの不整合表現を効果的に表現する手法を提案する。 条件付きテキスト生成とテキストスタイル転送の両方の実験は、不整合表現の質を実証する。
  論文  参考訳（メタデータ） (2020-06-01T03:36:01Z)
• The Explanation Game: Towards Prediction Explainability through Sparse Communication [6.497816402045099]
  我々は,説明責任の統一的な視点を,説明者と素人の間の問題として提供する。 このフレームワークを使って、説明の抽出にいくつかの先行したアプローチを比較します。 本稿では,選択的,スパースな注意力を用いて,説明可能性のための新しい組込み手法を提案する。
  論文  参考訳（メタデータ） (2020-04-28T22:27:19Z)
• Heavy-tailed Representations, Text Polarity Classification & Data Augmentation [11.624944730002298]
  所望の正則性を持つ重み付き埋め込みを学習するための新しい手法を開発した。 提案した埋め込みの尾部専用の分類器が得られ、性能がベースラインを上回っている。 合成および実テキストデータに関する数値実験により,提案手法の妥当性が示された。
  論文  参考訳（メタデータ） (2020-03-25T19:24:05Z)
• Learning to Select Bi-Aspect Information for Document-Scale Text Content Manipulation [50.01708049531156]
  我々は、テキストスタイルの転送とは逆の文書スケールのテキストコンテンツ操作という、新しい実践的なタスクに焦点を当てる。 詳細は、入力は構造化されたレコードと、別のレコードセットを記述するための参照テキストのセットである。 出力は、ソースレコードセットの部分的内容と参照の書き込みスタイルを正確に記述した要約である。
  論文  参考訳（メタデータ） (2020-02-24T12:52:10Z)

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。