文献紹介 12月15日

Transcript

1. จݙ঺հ  ⻑岡技術科学⼤学 M1 桾澤 優希 Detecting and Explaining Causes From Text For a Time Series Event
2. จݙ ▪ 論文 ▪ Dongyeop Kang, Varun Gangal, Ang Lu, Zheng Chen, Eduard Hovy ▪ Detecting and Explaining Causes From Text For a Time Series Event ▪ Proceedings of EMNLP 2017, Conference on Empirical Methods in Natural Language Processing ▪ pp. 2758–2767 ▪ キーワード ▪ テキスト生成 2
3. ֓ཁ ▪ 時系列データとテキストデータ間の因果関係を 調査 ▪ 結果をもとに時系列イベントの説明を生成する モデルを構築 3
4. ಋೖ ▪ 因果関係を1から説明するにはドメインの深い知 識が必要となる ▪ 今の技術でそれを達成するのは難しい ▪ 因果関係のペアを収集し、リンクさせることは 可能 4
5. ಋೖ ▪ ここでの因果関係は原因と結果だけではない ▪ 事実と事実をつなぎ合わせるようなものも含む 5
6. ཧ࿦ ▪ CSpikes ▪ 因果関係をテキストから抽出するシステム ▪ Granger Causality regressionと呼ばれる比較的古い手法を 用いて因果関係を抽出 6
7. ཧ࿦ ▪ 因果性抽出 ▪ 因果性が最大となるような特徴量を抽出する 7 因果性 時系列データ X : 時系列データから抽出したすべての特徴量 F : F = {f1, … , fk} ∈ X Φ : fの線形結合を作る関数
8. ཧ࿦ ▪ Granger Causality regression ▪ 時系列データxが時系列データyの原因になっているとき、 yのみで未来のyt を予測するよりもxとyを両方使って予測し たほうがよい ▪ yt をより精度良く予測させる αとβ を学習させる ▪ もしβが0ならxが予測の役に立っていない 8
9. ཧ࿦ ▪ Granger Causality regression ▪ Vector AutoRegressive model with exogenous variables (VARX) を考える ▪ α, β : ターゲットy, ソースXに対する係数行列 ▪ ε : 各時系列の予測誤差 ▪ : 遅延lで特徴量 f をいれたときのβの分散の増減 9
10. ཧ࿦ ▪ グラフの構築 ▪ 原因xと結果yをつなぐグラフを構築する ▪ 2つの手法で構築 ▪ constructing a large general cause-effect graph (CGRAPH) from text ▪ linking the given events to their equivalent entities in the causal graph by finding the internal paths (x → e1, ...et → y) as causal explanations, using neural algorithms. 10
11. ཧ࿦ ▪ CGraph ▪ SEMAFOR(semantic parser)でツイートなどを解析し FrameNetのラベルを付与 11
12. ཧ࿦ ▪ CGraph ▪ CAUSE_CHANGE などの関係を抽出し 原因、関係、結果等の組を作る ▪ 上の手順で集めた組をつなげグラフを構築する。 ▪ Cの値の大きさが閾値以上かなどで探索を行う 12
13. ཧ࿦ ▪ LSTM ▪ FrameNetに依存し、ほしい関係が得られない場合も あるためEncoder-Decoderモデルも使う 13
14. ࣮ݧ 14 ▪ テキストデータ ▪ Twitterからクロールしたデータ ▪ Google News ▪ 結果となる時系列データ ▪ NASDAQ, NYSE の2001年から今までの株価データ 6200社 ▪ 2012年の大統領選挙のデータ ▪ Huffington Post, Reuters など6箇所から抽出
15. ݁Ռ 15 ▪ Forecasting with Textual Features
16. ݁Ռ 16 ▪ Generating Explanation by Connecting
17. ·ͱΊ ▪ 時系列データから原因を検出して説明するタスク を新たに定義 ▪ 因果関係をつなげ説明するための手法を提案 ▪ 今後はより正しい評価のために各ドメインの専門 家によってより正しいデータセットを構築 17