.png){kind=icon}
返回
Boundary-Centered Explainability for Dialogue Topic Segmentation
.png){kind=icon}
OA
AI
DOI：10.3390/electronics15173998.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
尽管对话主题分段领域取得了近期进展，但现有工作仅有限地解释了为何单个话语被预测为边界以及局部解释如何依赖于选择策略和扰动协议。通过使用分层对话主题分段模型3LHSeg的固定检查点，我们评估了一个以边界为中心的框架，该框架通过互补的扰动诊断比较了五种局部话语选择策略。审查还考察了配置敏感性和解释稳定性，并使用随机基线增益（RBG）作为局部独特性的诊断，通过将全面性置于同一局部候选窗口中的匹配随机子集的背景下进行评估。在TIAGE、QMSum和Friends数据集上的实验表明，在所采用的基于扰动的诊断下，留一法（Leave-One-Out）表现最优，尽管这一结果具有协议特定性。诊断提供了部分重叠的信息，并随局部配置而变化。原始删除的曲线下面积（AUC）值始终与初始边界置信度呈正相关，但在大多数数据集-策略组合中，中心化控制显著削弱了这种关联。总体而言，解释行为、概率质量、置信度、稳定性和边界正确性应被视为不同维度，支持多诊断和显式配置的审查，而非依赖单一解释分数。
Keyword:
dialogue topic segmentation
boundary-centered explainability
utterance-level explanations
perturbation-based faithfulness
explanation stability
Random-Baseline Gain (RBG)
期刊
IF:
2.6
论文数:
1.0W
被引数:
4.7W
机构
引用论文
Towards Faithfully Interpretable NLP Systems: How Should We Define and Evaluate Faithfulness?走向可忠实解释的NLP系统: 我们应该如何定义和评估忠诚度？OAAI
.png){kind=icon}
OAAI分享收藏Normalized AOPC: Fixing Misleading Faithfulness Metrics for Feature Attributions ExplainabilityEdin, J.; Motzfeldt, A.G.; Christensen, C.L.; Ruotsalo, T.; Maaløe, L.; Maistro, M. 标准化AOPC：修正特征归因可解释性中具有误导性的忠实度指标。在计算语言学协会第63届年会上（第一卷：长篇论文）；Che, W., Nabende, J., Shutova, E., Pilehvar, M.T., 编；计算语言学协会：奥地利维也纳，2025年；第1715–1730页。 [Google Scholar] [CrossRef] [Scilit]
PREAI
分享收藏With a Little Help from my (Linguistic) Friends: Topic segmentation of multi-party casual conversations德克, A.; 阿姆布拉德, M. 在我的(语言)朋友们的帮助下: 多方随意对话的主题分段。在第五届话语计算方法研讨会会议录, 马耳他圣朱利安斯, 2024年3月21日; 第177-188页。 [Google Scholar] [CrossRef] [Scilit]
PREAI
分享收藏Interpretability in Sentiment Analysis: A Self-Supervised Approach to Sentiment Cue Extraction孙, Y.; 何, S.; 韩, X.; 罗, Y. 情感分析中的可解释性: 一种用于情感线索提取的自监督方法. Appl. Sci. 2024, 14, 2737. [Google Scholar] [CrossRef] [Scilit]
PREAI
分享收藏分享收藏分享收藏
查看更多内容