MorphNLI: A Stepwise Approach to Natural Language Inference Using Text Morphing

要約

自然言語推論（NLI）に対するモジュール式のステップバイステップアプローチであるMorphnliを紹介します。
Premise-hypothesisのペアを{entainment、矛盾、ニュートラル}に分類する場合、言語モデルを使用して必要な編集を生成して、前提を仮説に漸進的に変換（つまり、モーフ）します。
次に、既製のNLIモデルを使用して、これらの原子変化との誘惑がどのように進行するかを追跡し、これらの中間ラベルを最終出力に集約します。
特に現実的なクロスドメイン設定で提案された方法の利点を実証します。この方法では、最大12.6％（相対）の改善がある強力なベースラインよりも常に優れています。
さらに、Atomic Editsを使用してNLIラベル全体を理解できるため、提案されたアプローチが説明可能です。

要約(オリジナル)

We introduce MorphNLI, a modular step-by-step approach to natural language inference (NLI). When classifying the premise-hypothesis pairs into {entailment, contradiction, neutral}, we use a language model to generate the necessary edits to incrementally transform (i.e., morph) the premise into the hypothesis. Then, using an off-the-shelf NLI model we track how the entailment progresses with these atomic changes, aggregating these intermediate labels into a final output. We demonstrate the advantages of our proposed method particularly in realistic cross-domain settings, where our method always outperforms strong baselines with improvements up to 12.6% (relative). Further, our proposed approach is explainable as the atomic edits can be used to understand the overall NLI label.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google