| タイトル | Rethinking Loss Functions for Fact Verification |
| 著者 | Yuta Mukobara1, Yutaro Shigeto2,3, Masashi Shimbo2,3 |
| 所属 | 1Tokyo Institute of Technology, 2Chiba Institute of Technology, 3RIKEN AIP |
| 年月 | 2024年03月 |
| カンファレンス名（略称） | The 18th Conference of the European Chapter of the Association for Computational Linguistics (EACL) |
| 巻, 号, ページ | Non, Non, 432-442 |
| 引用例 | Y. Mukobara, Y. Shigeto, and M. Shimbo, in Proceedings of EACL, pp. 432–442 (2024). |
自然言語処理分野の国際会議EACL2024で"Rethinking Loss Functions for Fact Verification"というタイトルで発表を行いました。
この研究は、マルチラベルの分類問題における損失関数を修正することで予測精度をより高くすることができたことをまとめたものになります。
FEVER shared taskにおける事実検証のための損失関数を調査しました。クロスエントロピー損失ではクラス間の不均一性を捉えることができません。そこで、taskに合わせた2つの固有の目的関数を開発しました。結果として、提案した目的関数が標準的なクロスエントロピーを上回ることを確認しました。これらの目的関数を単純なクラス重み付けと組み合わせることで、訓練データの不均衡を効果的に克服し、性能はさらに向上することがわかりました。
この国際会議での発表については別のページでブログ記事を公開していますのでぜひご覧ください。
ブログ記事
その他リンク
[Stair Lab | GitHub（ソースコード）]