面向可解释的NLP：北大、哈工大等提出文本分类的生成性解释框架

  点击上方“MLNLP”，选择“星标”公众号重磅干货，第一时间送达作者 | Hui Liu, Qingyu Yin, William Yang Wang 译者 | Rachel编辑 | Jane出品 | AI科技大本营（ID: rgznai100） 【导语】北大、哈工大和加州大学圣巴巴拉分校在 ACL 2019 的一篇论文中联合提出了一个全新的生成性解释框架，该框架能够对分类策略进行学习，并同时提供细粒度的解释。这项研究还提供了解释因子以及最小化风险训练（minimum risk training）方法，以便进行学习并产生更加合理的解释。模型的可解释问题是学界现在一直在讨论和研究的工作之一，在自然语言处理领域亦是，想搭建一个具有可解释性的系统是一件非常困难的事。目前，现有的研究尝试让模型具有可解释时，也对模型输出或输出与输入间的联系 ………………………………