论文泛读128CausalNLP:文本因果推理的实用工具包
Posted 及时行樂_
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了论文泛读128CausalNLP:文本因果推理的实用工具包相关的知识,希望对你有一定的参考价值。
贴一下汇总贴:论文阅读记录
论文链接:《CausalNLP: A Practical Toolkit for Causal Inference with Text》
一、摘要
绝大多数现有的因果推断方法和系统都假设所有考虑的变量都是分类的或数字的(例如,性别、价格、血压、入学率)。在本文中,我们介绍了 CausalNLP,这是一个从观察数据推断因果关系的工具包,除了传统的数值和分类变量外,还包括文本。CausalNLP 使用元学习器进行治疗效果估计,并支持使用原始文本及其语言属性作为治疗和“受控”变量(例如,混杂因素)。该库是开源的,可从以下网址获得:github。
二、结论
在这篇论文中,我们提出了CausalNLP,一个基于观察数据的文本进行因果推理的Python库。基于元学习者,CausalNLP是一个多功能的工具包,支持将文本及其语言属性作为治疗、结果、混杂物或因果推理研究的中介物包括在内。因果关系和自然语言处理的交集是一个新的研究领域,具有快速变化的景观,成熟的未来工作的机会。例子包括更好地解释因果推论和特征和更好地理解元学习者表现与文本。例如,虽然s -学习者表现良好,但我们确实观察到其他元学习者(例如t学习者)在因果影响如何在不同观察中变化方面,能够更好地识别异质性治疗效果。
第一次见到论文里贴代码的…可读性很强哈哈哈
以上是关于论文泛读128CausalNLP:文本因果推理的实用工具包的主要内容,如果未能解决你的问题,请参考以下文章
论文泛读70检索,阅读,重新排序,然后进行迭代:从文本中回答各种推理步骤的开放域问题
论文泛读177使用递归神经张量网络从自然语言需求中提取细粒度因果关系
论文泛读177使用递归神经张量网络从自然语言需求中提取细粒度因果关系