CDCM：知識蒸留に基づく反事実的バイアス除去キャリブレーション手法によるスタンス検出

科学分野:

• 自然言語処理
• 人工知能
• 機械学習

背景:

• スタンス検出は、ソーシャルメディアのテキストにおけるユーザーの態度を特定します。
• 知識蒸留手法はソフトラベルを利用しますが、データバイアスを継承する可能性があります。
• 頻出単語や感情的な単語からのバイアスは、教師モデルの意味学習を弱めます。

研究 の 目的:

• スタンス検出における知識蒸留のための新しい反事実的バイアス除去キャリブレーション手法（CDCM）を提案すること。
• モデルのパフォーマンスに影響を与えるトレーニングデータの意図しないバイアスの問題に対処すること。
• スタンス検出モデルの意味学習能力を強化すること。

主な方法:

• CDCMは、構造的因果モデルを使用してスタンス検出を定式化します。
• 事実と反事実の推論を採用して、要素ごとの減算によってバイアスを抽出し、除去します。
• 適応的な感情語彙と高頻度特徴量のしきい値メカニズムを使用して、語彙的な干渉を軽減します。

主要な成果:

• 実験結果は、CDCMアルゴリズムの有効性を示しています。
• この手法は、スタンス検出モデルのパフォーマンスを正常に向上させます。
• CDCMは、表層的な語彙的手がかりの悪影響を軽減し、意味理解を強化します。

結論:

• CDCMは、スタンス検出のための知識蒸留をバイアス除去するための効果的なアプローチを提供します。
• 提案された手法は、データバイアスに対処することにより、モデルの堅牢性と精度を向上させます。
• この研究は、ソーシャルメディア分析におけるより信頼性の高いスタンス検出に貢献します。