随笔分类 -  因果推理

因果学习、因果推理
A Causal Lens for Controllable Text Generation
摘要：Motivation 本文的工作涉及到两个任务：属性条件生成、文本风格迁移。 之前的大量工作在很大程度上分别研究了这两个问题开发了不同的条件模型，但容易产生有偏见的文本. 本文从因果的角度将两个任务统一起来，分别视为在因果图上的“干预”和“反事实”两部分，然后再将框架应用于一个比较具有挑战性的场景中 阅读全文
posted @ 2022-07-05 15:28 TABball 阅读(208) 评论(0) 推荐(0)
De-biasing Distantly Supervised Named Entity Recognition via Causal Intervention
摘要：原文链接 motivation 基于远程监督的NER方法（DS-NER）通过通过在普通话文本匹配字典中的实体，自动的生成训练数据，训练NER模型，减少了标注成本。 然而，DS-NER是存在字典偏差的，这严重地影响了模型的泛化型和鲁棒性。具体来讲，实体字典通常都是不完整的（缺少实体），含有噪音（有错误 阅读全文
posted @ 2021-12-25 17:06 TABball 阅读(302) 评论(0) 推荐(0)
Counterfactual Generator A Weakly-Supervised Method for Named Entity Recognition
摘要：Motivation 在命名体识别领域，由于选择偏差的存在，模型对于训练和测试分布不一样的数据表现很差，这背后的原因就是模型学习了数据中表现出的虚假因果关系。在这篇文章中，我们从因果角度主要研究NER问题中的虚假关联。我们将这个问题拆解成两部分：实体和上下文。考虑句子“John lives in N 阅读全文
posted @ 2021-12-23 21:32 TABball 阅读(218) 评论(0) 推荐(0)
Causal Attention for Unbiased Visual Recognition
摘要：原文链接 介绍 在图像识别和目标分类领域往往存在一些关于图像中虚假相关性的问题，最典型的如将图像中识别的主体（object）和背景（background）之间的相关性考虑成为识别主题类别的一个主要特征。如下图所示，注意力模型将ground作为一个判断为鸟类的标签，在预测地上的熊的时候就做出了错误的判 阅读全文
posted @ 2021-12-21 22:20 TABball 阅读(1445) 评论(0) 推荐(0)
De-Confounded Variational Encoder-Decoder for LogicalTable-to-Text Generation
摘要：原文地址 介绍 数据到文本的生成方法指的是从非文本的输入中生成描述性文本的任务。输入种类不同，任务可以定义地更加明确，比如摘要信息生成文本，信息框生成文本，图生成文本。 在这些任务中，我们关注逻辑表到文本的生成任务，这项任务旨在从表格生成流畅的但是逻辑正确的文本。而逻辑推理是一种高级的智能，这对现实 阅读全文
posted @ 2021-10-31 18:37 TABball 阅读(128) 评论(0) 推荐(0)
Explaining The Efficacy of Counterfactually-Augmented Data
摘要：摘要 本文针对的话题是关于使用反事实增强数据来提高模型效果，使用简单的因果模型结构来分析观测噪音对模型表现的影响，并且研究了两种自动生成反事实数据的方法和人为去生成有什么区别。 本文提出了一个猜想： 如果把人为标注的因果特征修改为随机噪音，那么在跨域实验效果会变差，而原始数据影响不大 如果把认为表述 阅读全文
posted @ 2021-10-28 11:21 TABball 阅读(463) 评论(0) 推荐(0)