Wikidataを用いたGPT-3多段階再学習によるテキストからの因果関係抽出手法の改良

抄録

因果関係知識は、議論のポイントや参加者の意見を理解できるファシリテーターエージェントを開発するために必要である。しかし、Wikidataなどのナレッジグラフに含まれている因果関係知識だけでは不十分である。そこで本研究では、原因抽出の手法として、Wikidataの因果関係知識を用いてGPT-3再学習用の訓練データの拡張を試みてきた。その結果、従来手法より精度が向上することを確認していた。本稿では、単なるデータ拡張ではなく多段階の再学習の方が精度が向上するという仮説を立て、実験により検証した。その結果、単なるデータ拡張と比べ、多段階の再学習をした方が抽出精度が向上した。さらに、抽出された原因が社会一般に広く知られているかどうかを判定する尺度である「一般度」を設計し、社会一般に広く知られている因果関係の「一般度」が高いという傾向を確認した。