論文の概要: Fine-Grained Perspectives: Modeling Explanations with Annotator-Specific Rationales

• arxiv url: http://arxiv.org/abs/2604.21667v1
• Date: Thu, 23 Apr 2026 13:30:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-24 14:40:06.514694
• Title: Fine-Grained Perspectives: Modeling Explanations with Annotator-Specific Rationales
• Title（参考訳）: 微視的視点:アノテーションを用いた説明のモデル化
• Authors: Olufunke O. Sarumi, Charles Welch, Daniel Braun,
• Abstract要約: 本稿では,アノテータ固有のラベル予測とそれに対応する説明を共同でモデル化するフレームワークを提案する。 分類された自然言語推論(NLI)アノテーションとアノテーションによる説明を含むデータセットを用いて,アノテータの同一性および人口統計のメタデータに基づいて予測を行う。 本稿では,アノテータ条件付き表現を直接生成モデルに転送する,ポストホックプロンプトベースの説明器とプレフィックス付きブリッジ説明器の2つのアーキテクチャを紹介する。
• 参考スコア（独自算出の注目度）: 5.100843711447644
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Beyond exploring disaggregated labels for modeling perspectives, annotator rationales provide fine-grained signals of individual perspectives. In this work, we propose a framework for jointly modeling annotator-specific label prediction and corresponding explanations, fine-tuned on the annotators' provided rationales. Using a dataset with disaggregated natural language inference (NLI) annotations and annotator-provided explanations, we condition predictions on both annotator identity and demographic metadata through a representation-level User Passport mechanism. We further introduce two explainer architectures: a post-hoc prompt-based explainer and a prefixed bridge explainer that transfers annotator-conditioned classifier representations directly into a generative model. This design enables explanation generation aligned with individual annotator perspectives. Our results show that incorporating explanation modeling substantially improves predictive performance over a baseline annotator-aware classifier, with the prefixed bridge approach achieving more stable label alignment and higher semantic consistency, while the post-hoc approach yields stronger lexical similarity. These findings indicate that modeling explanations as expressions of fine-grained perspective provides a richer and more faithful representation of disagreement. The proposed approaches advance perspectivist modeling by integrating annotator-specific rationales into both predictive and generative components.
• Abstract（参考訳）: パースペクティブをモデル化するための非凝集ラベルの探索以外にも、アノテータの合理性は個々のパースペクティブのきめ細かい信号を提供する。 本研究では,アノテータ固有のラベル予測とそれに対応する説明を共同でモデル化するフレームワークを提案する。 分散自然言語推論(NLI)アノテーションとアノテーションによる説明を含むデータセットを用いて、アノテータのアイデンティティと人口統計のメタデータを表現レベルのユーザパスポート機構によって予測する。 さらに、ポストホックプロンプトベースの説明器と、アノテータ条件付き分類器表現を直接生成モデルに転送するプレフィックス付きブリッジ説明器という2つの説明器アーキテクチャを導入する。 この設計により、個々のアノテータパースペクティブに整合した説明生成が可能になる。 提案手法は,より安定なラベルアライメントを実現し,セマンティック一貫性を向上し,またポストホック手法はより強い語彙的類似性をもたらす一方で,ベースラインアノテータ・アウェア分類器の予測性能を大幅に向上することを示す。 これらの結果は, 微粒な視点の表現としてのモデリングの説明が, より豊かで忠実な不一致の表現をもたらすことを示唆している。 提案手法は,アノテータ固有の有理を予測成分と生成成分の両方に組み込むことにより,先進パースペクティビズムモデリングにアプローチする。

関連論文リスト

• Semantic Item Graph Enhancement for Multimodal Recommendation [49.66272783945571]
  マルチモーダルレコメンデーションシステムは、商品のマルチモーダル情報を活用することで、パフォーマンスの向上に注目が集まっている。 先行する手法は、しばしばモダリティ固有のアイテム・イテム意味グラフを生のモダリティの特徴から構築する。 これらのセマンティックグラフは、アイテム間の協調信号のモデリングが不十分ななど、セマンティックな欠陥に悩まされている。
  論文  参考訳（メタデータ） (2025-08-08T09:20:50Z)
• From Visual Explanations to Counterfactual Explanations with Latent Diffusion [11.433402357922414]
  本稿では,近年の顕著な研究における2つの課題に対処するための新しいアプローチを提案する。 まず、ターゲットクラスの"概念"と元のクラスを区別するために、どの特定の反事実的特徴が重要かを決定する。 第二に、非ロバスト分類器に対して、対向的に堅牢なモデルのサポートに頼ることなく、重要な説明を提供する。
  論文  参考訳（メタデータ） (2025-04-12T13:04:00Z)
• Plausible Extractive Rationalization through Semi-Supervised Entailment Signal [29.67884478799914]
  抽出された有理量の妥当性を最適化するために,半教師付きアプローチを採用する。 我々は、事前学習された自然言語推論(NLI)モデルを採用し、さらに教師付き論理の小さなセットに微調整する。 質問応答タスクにおける説明と回答のアライメント合意を強制することにより、真理ラベルにアクセスせずに性能を向上させることができることを示す。
  論文  参考訳（メタデータ） (2024-02-13T14:12:32Z)
• Causal Generative Explainers using Counterfactual Inference: A Case Study on the Morpho-MNIST Dataset [5.458813674116228]
  本稿では,視覚的特徴と因果的要因の影響を研究するために,生成的対実的推論手法を提案する。 我々は,OmnixAIオープンソースツールキットの視覚的説明手法を用いて,提案手法との比較を行った。 このことから,本手法は因果的データセットの解釈に極めて適していることが示唆された。
  論文  参考訳（メタデータ） (2024-01-21T04:07:48Z)
• What Are You Token About? Dense Retrieval as Distributions Over the Vocabulary [68.77983831618685]
  本稿では,2つのエンコーダが生成するベクトル表現を,モデルの語彙空間に投影することで解釈する。 得られたプロジェクションは、リッチな意味情報を含み、それらの間の接続を描画し、スパース検索を行う。
  論文  参考訳（メタデータ） (2022-12-20T16:03:25Z)
• ProtoVAE: A Trustworthy Self-Explainable Prototypical Variational Model [18.537838366377915]
  ProtoVAEは、クラス固有のプロトタイプをエンドツーエンドで学習する変分自動エンコーダベースのフレームワークである。 表現空間を正規化し、正則性制約を導入することにより、信頼性と多様性を強制する。
  論文  参考訳（メタデータ） (2022-10-15T00:42:13Z)
• Improving Aspect-based Sentiment Analysis with Gated Graph Convolutional Networks and Syntax-based Regulation [89.38054401427173]
  Aspect-based Sentiment Analysis (ABSA) は、特定の側面に向けて文の感情極性を予測する。 依存関係ツリーは、ABSAの最先端のパフォーマンスを生成するために、ディープラーニングモデルに統合することができる。 本稿では,この2つの課題を克服するために,グラフに基づく新しいディープラーニングモデルを提案する。
  論文  参考訳（メタデータ） (2020-10-26T07:36:24Z)
• Explaining and Improving Model Behavior with k Nearest Neighbor Representations [107.24850861390196]
  モデルの予測に責任のあるトレーニング例を特定するために, k 近傍表現を提案する。 我々は,kNN表現が学習した素因関係を明らかにするのに有効であることを示す。 以上の結果から,kNN手法により,直交モデルが逆入力に対してより堅牢であることが示唆された。
  論文  参考訳（メタデータ） (2020-10-18T16:55:25Z)
• Understanding Neural Abstractive Summarization Models via Uncertainty [54.37665950633147]
  seq2seq抽象要約モデルは、自由形式の方法でテキストを生成する。 モデルのトークンレベルの予測のエントロピー、すなわち不確実性について検討する。 要約とテキスト生成モデルをより広範囲に解析する上で,不確実性は有用であることを示す。
  論文  参考訳（メタデータ） (2020-10-15T16:57:27Z)
• Explain and Improve: LRP-Inference Fine-Tuning for Image Captioning Models [82.3793660091354]
  本稿では,注意を可視化する以外に,注意機構を付加した画像キャプションモデルの予測について分析する。 我々は,注意機構を備えた画像キャプションモデルに適したレイヤワイド関連伝搬(LRP)と勾配に基づく説明法を開発した。
  論文  参考訳（メタデータ） (2020-01-04T05:15:11Z)

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。