@进行中{朱埃塔-2023解释,title=“{EXPLAIN},{EDIT},}GENERATE}:用于多点事实验证的理性敏感反事实数据增强”,author=“朱英杰和Si、Jiasheng和赵一波朱、海阳和周德玉他,玉兰”,editor=“Bouamor、Houda和皮诺、胡安和巴厘岛,卡利卡”,booktitle=“2023年自然语言处理实证方法会议记录”,月=12月,年=“2023”,address=“新加坡”,publisher=“计算语言学协会”,url=“https://aclantology.org/2023.emnlp-main.826”,doi=“10.18653/v1/2023.emnlp-main.826”,pages=“13377--13392”,抽象=“近年来,自动多跳事实验证任务得到了极大的关注。尽管取得了令人印象深刻的结果,但这些设计良好的模型在域外数据上表现不佳。一个可能的解决方案是用反事实来增加训练数据,反事实是通过最小程度地改变原始数据的因果特征而生成的目前的反事实数据增强技术无法处理多跳事实验证,因为它们无法保留多个相关文本中的复杂逻辑关系。在本文中,我们通过开发一种理性敏感的方法来克服这一局限性,以生成语言多样性和标签滑动的反事实,同时保持逻辑关系。具体来说,通过Explain-Edit-Generate体系结构生成了多样而流畅的反事实。此外,还提出了检查和过滤模块,用逻辑关系和翻转标签对反事实数据进行正则化。实验结果表明,该方法优于SOTA基线,能够在不破坏逻辑关系的情况下生成语言多样性的反事实数据。",}
<?xml version=“1.0”encoding=“UTF-8”?><modsCollection xmlns=“网址:http://www.loc.gov/mods/v3"><mods ID=“zhu-etal-2023-explain”><标题信息>解释、编辑、生成:用于多站事实验证的理性敏感反事实数据增强</titleInfo><name type=“personal”><namePart type=“given”>英杰朱<namePart type=“family”><角色>作者</角色></name><name type=“personal”><namePart type=“given”>嘉盛Si<角色>作者</角色></name><name type=“personal”>易博<namePart type=“given”>易博</namePart><namePart type=“family”>赵</namePart><角色>作者</角色></name><name type=“personal”><namePart type=“给定”>海洋</namePart>朱<namePart type=“family”><角色>作者</角色></name><name type=“personal”><namePart type=“given”>德余<namePart type=“family”>周<角色>作者</角色></name><name type=“personal”>玉兰他<角色>作者</角色></name><原始信息>2023-12年发布</originInfo><typeOfResource>文本<relatedItem type=“主机”><标题信息>2023年自然语言处理实证方法会议记录</titleInfo><name type=“personal”>侯达布阿莫尔<角色>编辑器</角色></name><name type=“personal”>胡安<namePart type=“family”>皮诺</namePart><角色>编辑器</角色></name><name type=“personal”>卡利卡语巴厘岛<角色>编辑器</角色></name><原始信息>计算语言学协会<位置>新加坡</place></originInfo>会议出版物</relatedItem>近年来,自动多跳事实验证任务受到了广泛关注。尽管结果令人印象深刻,但这些设计良好的模型在域外数据上表现不佳。一种可能的解决方案是用反事实来增加训练数据,反事实是通过最小程度地改变原始数据的因果特征来生成的。然而,由于现有的反事实数据增强技术无法保留多个相关文本中的复杂逻辑关系,因此无法处理多跳事实验证。在本文中,我们通过开发一种理性敏感的方法来克服这一局限性,以生成语言多样性和标签滑动的反事实,同时保持逻辑关系。具体来说,通过Explain-Edit-Generate体系结构生成了多样而流畅的反事实。此外,还提出了检查和过滤模块,用逻辑关系和翻转标签对反事实数据进行正则化。实验结果表明,该方法优于SOTA基线,能够在不破坏逻辑关系的情况下生成语言多样性的反事实数据</摘要>zhu-etal-2023-解释10.18653/v1/2023.emnlp-main.826<位置><网址>https://aclantology.org/2023.emnlp-main.826</url></位置><部分>2023-12年<扩展单元=“page”><开始>13377<end>13392</范围></部分></mods></modsCollection>
%0会议记录%解释、编辑、生成:用于多跳事实验证的理性敏感反事实数据增强%阿朱、英杰%阿思、嘉胜%A Zhao,一波%A Zhu,海阳%德玉·A Zhou%A何,玉兰%Y Bouamor,胡达%胡安·皮诺%Y巴厘岛,卡利卡%2023年自然语言处理实证方法会议论文集%D 2023年%12月8日%计算语言学协会%C新加坡%F zhu-etal-2023解释%X自动多跳事实验证任务近年来得到了极大的关注。尽管结果令人印象深刻,但这些设计良好的模型在域外数据上表现不佳。一种可能的解决方案是用反事实来增加训练数据,反事实是通过最小程度地改变原始数据的因果特征来生成的。然而,由于现有的反事实数据增强技术无法保留多个相关文本中的复杂逻辑关系,因此无法处理多跳事实验证。在本文中,我们通过开发一种理性敏感的方法来克服这一局限性,以生成语言多样性和标签滑动的反事实,同时保持逻辑关系。具体而言,通过解释-编辑-生成架构生成各种各样且流畅的反事实。此外,还提出了检查和过滤模块,用逻辑关系和翻转标签对反事实数据进行正则化。实验结果表明,该方法优于SOTA基线,能够在不破坏逻辑关系的情况下生成语言多样性的反事实数据。%R 10.18653/v1/2023.emnlp-main.826%U型https://aclantology.org/2023.emnlp-main.826%U型https://doi.org/10.18653/v1/2023.emnlp-main.826%电话:13377-13392
降价(非正式)
[解释、编辑、生成:理性敏感的反事实数据增强,用于多跳事实验证](https://aclantology.org/2023.emnlp-main.826)(朱等人,EMNLP 2023)
国际计算语言学协会