論文の概要: Estimating Causal Effects of Text Interventions Leveraging LLMs

• arxiv url: http://arxiv.org/abs/2410.21474v1
• Date: Mon, 28 Oct 2024 19:19:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-30 13:42:37.810459
• Title: Estimating Causal Effects of Text Interventions Leveraging LLMs
• Title（参考訳）: LLMを利用したテキストインターベンションの因果効果の推定
• Authors: Siyi Guo, Myrl G. Marmarelis, Fred Morstatter, Kristina Lerman,
• Abstract要約: 本稿では,大規模言語モデル(LLM)により促進されるテキスト変換を用いて因果効果を推定する手法を提案する。 既存の手法とは異なり、本手法は任意のテキスト介入に対応し、ドメイン適応能力を持つテキストレベル分類器を用いて、ドメインシフトに対するロバストな効果推定を生成する。 この様々なテキスト介入を扱う柔軟性は、テキストデータの因果推定において重要な進歩であり、人間の振る舞いをよりよく理解し、社会システム内で効果的なポリシーを開発する機会を提供する。
• 参考スコア（独自算出の注目度）: 7.2937547395453315
• License:
• Abstract: Quantifying the effect of textual interventions in social systems, such as reducing anger in social media posts to see its impact on engagement, poses significant challenges. Direct interventions on real-world systems are often infeasible, necessitating reliance on observational data. Traditional causal inference methods, typically designed for binary or discrete treatments, are inadequate for handling the complex, high-dimensional nature of textual data. This paper addresses these challenges by proposing a novel approach, CausalDANN, to estimate causal effects using text transformations facilitated by large language models (LLMs). Unlike existing methods, our approach accommodates arbitrary textual interventions and leverages text-level classifiers with domain adaptation ability to produce robust effect estimates against domain shifts, even when only the control group is observed. This flexibility in handling various text interventions is a key advancement in causal estimation for textual data, offering opportunities to better understand human behaviors and develop effective policies within social systems.
• Abstract（参考訳）: ソーシャルメディア投稿における怒りを減らしてエンゲージメントに影響を及ぼすなど、ソーシャルシステムにおけるテキスト介入の効果の定量化は、大きな課題となる。 現実世界のシステムへの直接的な介入は、しばしば実現不可能であり、観測データに依存する必要がある。 従来の因果推論法は、典型的にはバイナリや離散的な処理のために設計されており、複雑な高次元のテキストデータを扱うには不十分である。 本稿では,大規模言語モデル(LLM)によって促進されるテキスト変換を用いて因果効果を推定するための新しいアプローチであるCausalDANNを提案することにより,これらの課題に対処する。 従来の手法とは異なり,本手法は任意のテキスト介入に対応し,ドメイン適応能力を持つテキストレベル分類器を用いて,制御群のみを観測しても,ドメインシフトに対する堅牢な効果推定を行う。 この様々なテキスト介入を扱う柔軟性は、テキストデータの因果推定において重要な進歩であり、人間の振る舞いをよりよく理解し、社会システム内で効果的なポリシーを開発する機会を提供する。

関連論文リスト

• DAG-aware Transformer for Causal Effect Estimation [0.8192907805418583]
  因果推論は、医療、経済学、社会科学などの分野における重要な課題である。 本稿では,これらの課題を克服する因果推論のためのトランスフォーマーを用いた新しい手法を提案する。 我々のモデルの中核となる革新は、注意機構に直接因果非巡回グラフ(DAG)を統合することである。
  論文  参考訳（メタデータ） (2024-10-13T23:17:58Z)
• Reduced-Rank Multi-objective Policy Learning and Optimization [57.978477569678844]
  実際には、因果研究者は先験を念頭において1つの結果を持っていない。 政府支援の社会福祉プログラムでは、政策立案者は貧困の多次元的性質を理解するために多くの成果を集めている。 本稿では、最適政策学習の文脈において、複数の結果に対するデータ駆動型次元性推論手法を提案する。
  論文  参考訳（メタデータ） (2024-04-29T08:16:30Z)
• Causal Inference for Human-Language Model Collaboration [24.096991077437146]
  動的人間-LM協調における様々な相互作用戦略のISEを推定するアルゴリズムであるCausalCollabを開発した。 3つの異なる人間とLMのコラボレーションシナリオに関する実証的な調査は、CausalCollabが効果的にコンバウンドを減らすことを示しています。
  論文  参考訳（メタデータ） (2024-03-30T01:08:25Z)
• Integrating Active Learning in Causal Inference with Interference: A Novel Approach in Online Experiments [5.488412825534217]
  ACI(Causal Inference with Interference)におけるアクティブラーニング手法について紹介する。 ACIはガウス過程を用いて、隣人の治療課題の連続的な測定の関数として直接的および余分な処理効果を柔軟にモデル化する。 データ要求の低減による精度の高い効果推定の実現可能性を示す。
  論文  参考訳（メタデータ） (2024-02-20T04:13:59Z)
• 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)
• Decoding the Silent Majority: Inducing Belief Augmented Social Graph with Large Language Model for Response Forecasting [74.68371461260946]
  SocialSenseは、既存のソーシャルネットワーク上に信念中心のグラフを誘導するフレームワークであり、グラフベースの伝播によって社会的ダイナミクスを捉える。 本手法は,ゼロショット設定と教師あり設定の両方に対する実験的な評価において,既存の最先端技術を超えている。
  論文  参考訳（メタデータ） (2023-10-20T06:17:02Z)
• Re-mine, Learn and Reason: Exploring the Cross-modal Semantic Correlations for Language-guided HOI detection [57.13665112065285]
  ヒューマンオブジェクトインタラクション(HOI)検出は、コンピュータビジョンの課題である。 本稿では,構造化テキスト知識を組み込んだHOI検出フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-07-25T14:20:52Z)
• Eliciting the Double-edged Impact of Digitalisation: a Case Study in Rural Areas [1.8707139489039097]
  本稿では, 遠隔地におけるデジタル化の影響を, 通常の土地管理システムと水文地質リスク管理システムの観点から考察する。 我々は,接続の過剰,意思決定能力の部分的削減,利害関係者の限界化リスクなどにより,より高いストレスが強調される。 本研究は, 事例に特有の影響の集合を類似の文脈に適用し得ること, 影響誘発に対する効果的なアプローチ, 経験から学んだ教訓の一覧に寄与する。
  論文  参考訳（メタデータ） (2023-06-08T10:01:35Z)
• CausalBench: A Large-scale Benchmark for Network Inference from Single-cell Perturbation Data [61.088705993848606]
  本稿では,実世界の介入データに対する因果推論手法を評価するベンチマークスイートCausalBenchを紹介する。 CaulBenchには、新しい分散ベースの介入メトリクスを含む、生物学的に動機付けられたパフォーマンスメトリクスが含まれている。
  論文  参考訳（メタデータ） (2022-10-31T13:04:07Z)
• Social Influence Dialogue Systems: A Scoping Survey of the Efforts Towards Influence Capabilities of Dialogue Systems [50.57882213439553]
  社会影響対話システムは、説得、交渉、治療を行うことができる。 これらのスキルを備えた対話システムには、正式な定義やカテゴリは存在しない。 この研究は、この新興地域でのより専用の研究と議論を促すために、社会影響対話システムの包括的参照となる。
  論文  参考訳（メタデータ） (2022-10-11T17:57:23Z)
• Towards Unbiased Visual Emotion Recognition via Causal Intervention [63.74095927462]
  本稿では,データセットバイアスによる負の効果を軽減するために,新しい感情認識ネットワーク(IERN)を提案する。 IERNの有効性を検証する一連の設計されたテストと、3つの感情ベンチマークの実験は、IERNが他の最先端のアプローチよりも優れていることを示した。
  論文  参考訳（メタデータ） (2021-07-26T10:40:59Z)

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。