論文の概要: Isolated Causal Effects of Natural Language

• arxiv url: http://arxiv.org/abs/2410.14812v3
• Date: Wed, 04 Jun 2025 18:20:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-06 19:24:15.91075
• Title: Isolated Causal Effects of Natural Language
• Title（参考訳）: 自然言語の孤立因果効果
• Authors: Victoria Lin, Louis-Philippe Morency, Eli Ben-Michael,
• Abstract要約: 本稿では,言語による因果関係の分離のための公式な推定フレームワークを提案する。 我々は、介入以外のすべての非焦点言語を近似する必要性が、主な課題であることを示した。 重なり合いと重なり合いの2つの鍵軸に沿って、そのようなバイアスに対する効果推定の感度を評価する方法を示す。
• 参考スコア（独自算出の注目度）: 41.59906798328058
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As language technologies become widespread, it is important to understand how changes in language affect reader perceptions and behaviors. These relationships may be formalized as the isolated causal effect of some focal language-encoded intervention (e.g., factual inaccuracies) on an external outcome (e.g., readers' beliefs). In this paper, we introduce a formal estimation framework for isolated causal effects of language. We show that a core challenge of estimating isolated effects is the need to approximate all non-focal language outside of the intervention. Drawing on the principle of omitted variable bias, we provide measures for evaluating the quality of both non-focal language approximations and isolated effect estimates themselves. We find that poor approximation of non-focal language can lead to bias in the corresponding isolated effect estimates due to omission of relevant variables, and we show how to assess the sensitivity of effect estimates to such bias along the two key axes of fidelity and overlap. In experiments on semi-synthetic and real-world data, we validate the ability of our framework to correctly recover isolated effects and demonstrate the utility of our proposed measures.
• Abstract（参考訳）: 言語技術が普及するにつれて、言語の変化が読者の知覚や行動にどのように影響するかを理解することが重要である。 これらの関係は、ある焦点言語に符号化された介入(例えば、事実的不正確さ)が外部結果(例えば、読者の信念)に孤立した因果効果として定式化される。 本稿では,言語による因果関係の独立した因果関係を推定するための公式なフレームワークを提案する。 孤立効果を推定する上での課題は、介入以外のすべての非焦点言語を近似する必要性である。 省略変数バイアスの原理に基づいて、非焦点言語近似と孤立効果推定の双方の品質を評価する尺度を提供する。 その結果,非焦点言語の近似精度が低いと,関係変数の欠落による孤立効果推定値の偏りが生じることが判明し,その重なり合いと重なり合いの2つの鍵軸に沿った偏りに対する効果推定値の感度を評価する方法を示す。 半合成および実世界のデータを用いた実験において,本フレームワークが孤立した効果を正しく回復する能力を検証するとともに,提案手法の有用性を実証する。

関連論文リスト

• Data Fusion for Partial Identification of Causal Effects [62.56890808004615]
  本稿では,研究者が重要な疑問に答えられるような,新しい部分的識別フレームワークを提案する。 因果効果は肯定的か否定的か? 本研究の枠組みをSTARプロジェクトに適用し,第3級の標準試験性能に対する教室規模の影響について検討する。
  論文  参考訳（メタデータ） (2025-05-30T07:13:01Z)
• Proximal Inference on Population Intervention Indirect Effect [8.296034406842345]
  人口介入間接効果 (PIIE) は、人口介入効果の間接成分を表す新しい媒介効果である。 本研究は、PIIE識別を、未測定の共同創業者が被曝・被曝・被曝・被曝・被曝・被曝・被曝関係に影響を及ぼすような設定に拡張する。
  論文  参考訳（メタデータ） (2025-04-16T08:14:55Z)
• PlainQAFact: Automatic Factuality Evaluation Metric for Biomedical Plain Language Summaries Generation [3.8868752812726064]
  そこで我々はPlainQAFactを紹介した。PlainFactは粒度の細かい人手によるデータセットに基づいて訓練されたフレームワークだ。 PlainQAFactは、まず事実のタイプを分類し、次に検索強化されたQAベースのスコアリング手法を用いて事実のタイプを評価する。
  論文  参考訳（メタデータ） (2025-03-11T20:59:53Z)
• On the Robustness of Language Guidance for Low-Level Vision Tasks: Findings from Depth Estimation [71.72465617754553]
  対象中心の3次元空間関係を伝達する低レベルな文を生成し,これらを追加言語として組み込んで,深度推定における下流の影響を評価する。 我々の重要な発見は、現在の言語誘導深度推定器がシーンレベルの記述のみを最適に実行することである。 追加データを活用するにもかかわらず、これらの手法は敵の直接攻撃や分散シフトの増加に伴う性能低下に対して堅牢ではない。
  論文  参考訳（メタデータ） (2024-04-12T15:35:20Z)
• Estimating the Causal Effects of Natural Logic Features in Transformer-Based NLI Models [16.328341121232484]
  文脈介入の効果を測定するために因果効果推定手法を適用した。 本研究はトランスフォーマーの無関係な変化に対する堅牢性と影響の高い変化に対する感受性について検討する。
  論文  参考訳（メタデータ） (2024-04-03T10:22:35Z)
• Disentangle Estimation of Causal Effects from Cross-Silo Data [14.684584362172666]
  本稿では,モデルパラメータのシームレスなクロスサイロ伝送を容易にするために設計された,革新的なアンタングルアーキテクチャを提案する。 種々の欠落領域におけるバイアスを効果的に緩和するために,グローバルな制約を方程式に導入する。 我々の手法は最先端のベースラインを上回っている。
  論文  参考訳（メタデータ） (2024-01-04T09:05:37Z)
• Decoding Susceptibility: Modeling Misbelief to Misinformation Through a Computational Approach [61.04606493712002]
  誤報に対する感受性は、観測不可能な不検証の主張に対する信念の度合いを記述している。 既存の感受性研究は、自己報告された信念に大きく依存している。 本稿では,ユーザの潜在感受性レベルをモデル化するための計算手法を提案する。
  論文  参考訳（メタデータ） (2023-11-16T07:22:56Z)
• Causal Inference from Text: Unveiling Interactions between Variables [20.677407402398405]
  既存の方法は、治療と結果の両方に影響を及ぼす共変量しか説明できない。 このバイアスは、衝突しない共変量について十分に考慮されていないことから生じる。 本研究では,変数間の相互作用を明らかにすることにより,バイアスを軽減することを目的とする。
  論文  参考訳（メタデータ） (2023-11-09T11:29:44Z)
• Text-Transport: Toward Learning Causal Effects of Natural Language [46.75318356800048]
  本研究では,任意のテキスト分布下での自然言語からの因果関係を推定するText-Transportを提案する。 我々は,テキスト・トランスポートを用いて,テキスト・ドメイン間で因果効果が著しく変化するソーシャルメディア上での現実的な発話を学習する。
  論文  参考訳（メタデータ） (2023-10-31T17:56:51Z)
• 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)
• Disentangled Representation for Causal Mediation Analysis [25.114619307838602]
  因果媒介分析(英: Causal mediation analysis)は、直接的および間接的な効果を明らかにするためにしばしば用いられる方法である。 深層学習はメディエーション分析において有望であるが、現在の手法では、治療、メディエーター、結果に同時に影響を及ぼす潜在的共同創設者のみを前提としている。 そこで本研究では,助成金の表現を3つのタイプに分けて,自然的直接効果,自然間接効果,および全効果を正確に推定する,ディスタングル・メディエーション分析変分自動エンコーダ(DMAVAE)を提案する。
  論文  参考訳（メタデータ） (2023-02-19T23:37:17Z)
• 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)
• Bayesian Counterfactual Mean Embeddings and Off-Policy Evaluation [10.75801980090826]
  最終治療効果の期待を推定するための3つの新しいベイズ的手法を提案する。 これらの手法は、考慮された不確実性の原因が異なるため、2つのデータソースを組み合わせることが可能である。 我々はこれらの考え方を非政治評価フレームワークに一般化する。
  論文  参考訳（メタデータ） (2022-11-02T23:39:36Z)
• The Invariant Ground Truth of Affect [2.570570340104555]
  感情の基底的真理は、感情の主観的な性質とそのラベルに固有のバイアスを意図せずに含んでいる影響ラベルに起因している。 本稿では、因果関係論の側面を感情計算に伝達することにより、影響の信頼性の高い基礎的真理を得る方法について再検討する。 我々は、情緒的コーパスにおけるアウトリーチの検出と、参加者やタスク間で堅牢な影響モデルの構築に、因果関係にインスパイアされた手法を採用している。
  論文  参考訳（メタデータ） (2022-10-14T08:26:01Z)
• Counterfactual Reasoning for Out-of-distribution Multimodal Sentiment Analysis [56.84237932819403]
  本稿では,OODの高次一般化に対するテキストモダリティの悪影響を推定・緩和することを目的とする。 そこで本研究では,マルチモーダル感情分析のためのモデルに依存しない反現実的フレームワークを考案した。
  論文  参考訳（メタデータ） (2022-07-24T03:57:40Z)
• Naturalistic Causal Probing for Morpho-Syntax [76.83735391276547]
  スペインにおける実世界のデータに対する入力レベルの介入に対する自然主義的戦略を提案する。 提案手法を用いて,共同設立者から文章中の形態・症状の特徴を抽出する。 本研究では,事前学習したモデルから抽出した文脈化表現に対する性別と数字の因果効果を解析するために,本手法を適用した。
  論文  参考訳（メタデータ） (2022-05-14T11:47:58Z)
• Estimating Causal Effects with the Neural Autoregressive Density Estimator [6.59529078336196]
  我々は、Pearlのdo-calculusフレームワーク内の因果効果を推定するために、神経自己回帰密度推定器を使用する。 本手法は,変数間の相互作用を明示的にモデル化することなく,非線形システムから因果効果を抽出できることを示す。
  論文  参考訳（メタデータ） (2020-08-17T13:12:38Z)
• Generalization Bounds and Representation Learning for Estimation of Potential Outcomes and Causal Effects [61.03579766573421]
  代替薬に対する患者一人の反応など,個人レベルの因果効果の推定について検討した。 我々は,表現の誘導的処理群距離を正規化することにより,境界を最小化する表現学習アルゴリズムを考案した。 これらのアルゴリズムを拡張して、重み付き表現を同時に学習し、治療群距離をさらに削減する。
  論文  参考訳（メタデータ） (2020-01-21T10:16:33Z)
• Nonparametric inference for interventional effects with multiple mediators [0.0]
  より柔軟で、おそらく機械学習に基づく推定技術を可能にする理論を提供する。 提案した推定器の複数のロバスト性特性を示す。 本研究は, 介入媒介効果の推定において, 最新の統計的学習手法を活用する手段を提供する。
  論文  参考訳（メタデータ） (2020-01-16T19:05:00Z)

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。