可解释的基本原理增强电荷预测系统

新疆，海叶，准钦罗，赵文翰，马文佳

摘要
本文提出了一种基于神经网络的系统来解决文本分类中存在的本质可解释性问题，特别是在电荷预测任务中。首先，我们使用深度强化学习方法从输入文本中提取原理，即短的、可读的和决定性的片段。然后提出了一种基本原理增广分类模型来提高预测精度。自然，提取的理论基础可以作为模型预测结果的自省解释，提高了模型的透明度。实验结果表明，我们的系统能够提取出与人工标注高度一致的可读理由，并且在预测准确性方面与注意模型相当。
选集ID：
2003年8月18日
音量：
第27届计算语言学国际会议论文集：系统演示
月份：
八月
年份：
2018
地址：
新墨西哥州圣达菲
编辑：
赵东燕
地点：
冷却
SIG公司：
发布者：
计算语言学协会
注：
页：
146–151
语言：
网址：
https://aclantology.org/C18-2032
内政部：
比比键：
引用（ACL）：
Xin Jiang、Hai Ye、Zhunchen Luo、Wen Han Chao和Wenjia Ma.2018年。可解释的基本原理增强电荷预测系统.英寸第27届国际计算语言学会议论文集：系统演示，第146-151页，新墨西哥州圣达菲。计算语言学协会。
引用（非正式）：
可解释的基本原理增强电荷预测系统（Jiang等人，COLING 2018）
复制引文：
PDF格式：
https://aclantology.org/C18-2032.pdf
PDF格式 引用 搜索