論文の概要: Linguistic Features for Interpretable Textual Entailment

• arxiv url: http://arxiv.org/abs/2609.24932v1
• Date: Mon, 21 Sep 2026 17:26:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-22 20:29:01.444535
• Title: Linguistic Features for Interpretable Textual Entailment
• Title（参考訳）: 解釈可能なテクスチャエンターメントのための言語的特徴
• Abstract要約: 本稿では,テキスト・エンタテインメントの認識のためのハイブリッドモデルであるSLITEを提案する。 本稿では,エンティティレベルの意味関係,極性に敏感な語彙マッチング,類似度行列のセマンティック部分表現に対するアライメントなどを組み合わせた17の特徴について述べる。 これらの特徴に基づいてトレーニングされたロジスティック回帰は、SICK-CEで83%、SICK-CEで96%の精度を達成し、IsoLexを4ポイント上回り、計算複雑性のごく一部でRoBERTaの2ポイント以内に低下する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Despite the success of neural models in natural language processing, their black-box nature limits interpretability and conceals the linguistic phenomena underlying their predictions. We present SLITE, an explainable hybrid model for Recognizing Textual Entailment that integrates two complementary layers of semantic analysis: a structural-relational layer, based on semantic compatibility and incompatibility between compositional entities, and a distributional-informational layer, based on structured patterns of information change between embedding-based representations of the premise and the hypothesis. We propose 17 features that combine entity-level semantic relations, polarity-sensitive lexical matching, and alignment measures over semantic sub-representations of the similarity matrix, including measures based on entropy and transfer entropy. A logistic regression trained on these features achieves an accuracy of 83% on three-class SICK and 96% on SICK-CE, outperforming IsoLex by 4 percentage points and falling within 2 percentage points of RoBERTa with a fraction of its computational complexity. Ablation studies and SHAP analysis confirm that structural-relational features are the primary drivers of classification, while distributional-informational features provide essential complementary contributions, particularly for detecting neutrality and contradiction. Our results demonstrate that further exploration of hybrid approaches is a viable and scientifically productive alternative to massive neural architectures, and we hope they will strengthen the dialogue between linguistic theory and computational modeling of inference
• Abstract（参考訳）: 自然言語処理におけるニューラルモデルの成功にもかかわらず、ブラックボックスの性質は解釈可能性を制限するとともに、予測の根底にある言語現象を隠蔽する。 SLITEは2つの相補的な意味分析層を統合したテキスト・エンターテイメント認識用ハイブリッドモデルであり、構成要素間の意味的互換性と不相補性に基づく構造関係層と、前提と仮説の埋め込みに基づく表現間の情報変化の構造化パターンに基づく分布情報層である。 本稿では, エンティティレベルの意味関係, 極性に敏感な語彙マッチング, および, エントロピーと転送エントロピーに基づく測度を含む類似度行列の意味的部分表現に対するアライメントを組み合わせた17の特徴について述べる。 これらの特徴に基づいてトレーニングされたロジスティック回帰は、SICK-CEで83%、SICK-CEで96%の精度を達成し、IsoLexを4ポイント上回り、計算複雑性のごく一部でRoBERTaの2ポイント以内に低下する。 アブレーション研究とSHAP分析により、構造関連特徴が分類の主要な要因であることが確認され、一方分布情報特徴は、特に中立性や矛盾を検出するために重要な相補的寄与をもたらす。 我々の結果は、ハイブリッドアプローチのさらなる探索が、大規模ニューラルネットワークアーキテクチャの代替として可能で科学的に生産的なものであり、言語理論と推論の計算モデルとの対話を強化することを願っている。

関連論文リスト

• Conceptual Networks for Cross-Linguistic Idiomatic Expressions: A Feature-Based Graph Approach [0.0]
  本稿では,8言語にまたがる慣用的・具体的意味を表現するための解釈可能なネットワークベースのフレームワークを提案する。 各表現は認知言語理論から派生した二項概念的特徴で注釈付けされ、ペアワイドのジャカード類似性は重み付きグラフを定義する。 コミュニティ検出では、言語ではなく概念スキーマによってイディオムがクラスタ化され、認知言語学的な予測と一致した構造が生成される。
  論文  参考訳（メタデータ） (2026-07-10T16:25:51Z)
• LinguaSynth: Heterogeneous Linguistic Signals for News Classification [2.105564340986074]
  本稿では,5つの相補的言語特徴型を統合した新しいテキスト分類フレームワークを提案する。 解釈可能性と計算効率を維持し、20ニューズグループデータセットで84.89パーセントの精度を達成している。 統語的信号と実体的信号が本質的な曖昧さをもたらし,分散意味論を効果的に補完することを示す。
  論文  参考訳（メタデータ） (2025-06-27T01:45:20Z)
• Boosting Neural Language Inference via Cascaded Interactive Reasoning [38.125341836302525]
  自然言語推論(NLI)は、与えられた前提と仮説の間の論理的関係の確認に焦点を当てている。 この課題は、多様な言い回し、意味的複雑さ、文脈的ニュアンスといった固有の言語的特徴により、重大な課題を提起する。 NLIにおける深い意味理解のために設計された新しいアーキテクチャであるCascaded Interactive Reasoning Network (CIRN)を紹介する。
  論文  参考訳（メタデータ） (2025-05-10T11:37:15Z)
• Explaining Text Similarity in Transformer Models [52.571158418102584]
  説明可能なAIの最近の進歩により、トランスフォーマーの説明の改善を活用することで、制限を緩和できるようになった。 両線形類似性モデルにおける2次説明の計算のために開発された拡張であるBiLRPを用いて、NLPモデルにおいてどの特徴相互作用が類似性を促進するかを調べる。 我々の発見は、異なる意味的類似性タスクやモデルに対するより深い理解に寄与し、新しい説明可能なAIメソッドが、どのようにして深い分析とコーパスレベルの洞察を可能にするかを強調した。
  論文  参考訳（メタデータ） (2024-05-10T17:11:31Z)
• How Well Do Text Embedding Models Understand Syntax? [50.440590035493074]
  テキスト埋め込みモデルが幅広い構文的文脈にまたがって一般化する能力は、まだ解明されていない。 その結果,既存のテキスト埋め込みモデルは,これらの構文的理解課題に十分対応していないことが明らかとなった。 多様な構文シナリオにおけるテキスト埋め込みモデルの一般化能力を高めるための戦略を提案する。
  論文  参考訳（メタデータ） (2023-11-14T08:51:00Z)
• Improving Neural Additive Models with Bayesian Principles [54.29602161803093]
  ニューラル加算モデル(NAM)は、個別の加算サブネットワークでキャリブレーションされた入力特徴を扱うことにより、ディープニューラルネットワークの透明性を高める。 本研究では,Laplace-approximated NAM (LA-NAMs) を開発した。
  論文  参考訳（メタデータ） (2023-05-26T13:19:15Z)
• A Latent-Variable Model for Intrinsic Probing [93.62808331764072]
  固有プローブ構築のための新しい潜在変数定式化を提案する。 我々は、事前訓練された表現が言語間交互に絡み合ったモルフォシンタクスの概念を発達させる経験的証拠を見出した。
  論文  参考訳（メタデータ） (2022-01-20T15:01:12Z)

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。