量化对话倾向的因果效应
通过观察语言以了解人际互动在高风险决策中的重要性。我们提出了一种因果研究设计,用于评估社会组信号(例如种族或性别)对发言人回应的自然直接和间接影响,并将语言的不同方面作为因果中介变量。通过理论案例研究(U.S. 最高法院口述辩论中,倡导者性别对法官打断的影响),我们展示了这个框架的优势和挑战。同时,我们还讨论了概念化和操作因果变量(如性别和语言)时的挑战以及技术上的开放挑战,例如谈话设置中的语言中介变量之间的时间依赖关系。
Sep, 2021
本研究旨在提出一种初始预测在线讨论是否会演变成骚扰或人身攻击的框架,该框架可以捕捉与未来在线讨论轨迹相关的优雅用语等语言特征,并在受控环境中展示了检测在线讨论的早期预警迹象的可行性。
May, 2018
本研究应用统计学方法对社交媒体帖子进行分析,研究了回复对话的语气和后续回复的语言和情感变化之间的因果关系,结果显示陈述事实和断言的语气会对对话产生影响,并提供了从文本中估算因果效应的方法。
Jun, 2019
本文提出了 TextCause 算法,使用观测数据估计语言属性的因果效应,解决了因果定量的形式化问题以及基于分类器和词库的噪声代理的偏差问题,该算法利用了 distant supervision 和预训练的 BERT 模型。
Oct, 2020
通过调查一对一在线聊天中推断聊天依赖关系的任务,本文提出了一种新颖的基于概率的分类器,该分类器利用了对话,词汇和语义信息,并从一个中国电子商务网站的客户服务聊天记录中进行了实证评估,表现优于基准启发式方法。
Dec, 2016
通过介绍 Text-Transport 方法,本文研究了语言技术对读者感知的影响,提出使用分布转移的估计器来传输因果效应,在自然语言数据分布改变的情况下具备统计保证,并应用于研究社交媒体上的仇恨言论,展示了进行自然语言因果推断时传输的必要性。
Oct, 2023
本篇论文介绍了一项大规模、定量化的研究,针对基于短信的咨询会话的话语进行了计算语言分析,发现了一些有助于改善会话效果的可操作的会话策略。
May, 2016
通过 Reddit 网络社区的数据表明,研究者们可以使用新的会话特征和度量方法来提高在线对话的前景。通过使用新的预测模型,电子平台开发者可以优先排序更积极的对话,从而提高了对话质量和对参与者的各种积极影响力。
Feb, 2021
本文提出了一种基于直觉理论的对话认知模型(CCM),转移到结构性因果模型(SCM)的代数方程,提出了一种基于变异推理的 SCM 的概率实现,构建了人工数据集和模拟数据集,实践证明该方法在合成、模拟和真实数据集上性能显著优于现有方法,并分析了 CCM 在潜在混淆变量下的性能和解决办法。
May, 2023