2958-4272
预训练语言模型实体匹配的可解释性
沈边焕
大连科技学院 辽宁 大连 116000
[摘 要]本文介绍了一种可解释的实体匹配模型，在 MIT的 Learning with Transformers （LT）项目中进行了训练，并在几个基准数据集上评估了模型性能。 随着人工智能技术的发展，机器翻译等自然语言处理任务变得越来越重要。在过去的几年中，许多研究人员已经使用基于 Transformer的预训练语言模型来生成自然语言文本。虽然这些模型在这方面取得了很大的成功，但它们通常只能执行有限的任务，并且缺乏对它们推理过程的可解释性。为解决这一问题，研究人员提出了一种基于 Transformer的预训练语言模型实体匹配（BEM）模型，该模型可以处理各种任务，并且可以自动学习推理过程。在此基础上，研究人员还研究了 BEM模型中推理过程中可能发生的情况和原因，并提出了一种可解释性方法。