基于因果干预和反事实推理的自然语言理解模型去偏方法

摘要

本发明提供一种基于因果干预和反事实推理的自然语言理解模型去偏方法，包括根据输入数据集构建因果图，并确定输入数据集的总效应，因果图包括前提、假设和组合特征；分别对前提、假设和组合特征进行建模，得到前提模型、假设模型和组合特征模型；通过融合函数，将前提模型、假设模型和组合特征模型进行融合，得到融合模型；利用do演算去除融合模型中的混杂因素，得到初步自然语言理解模型；利用反事实推理去除初步自然语言理解模型中假设模型的自然直接影响，基于总效应和自然直接影响得到推理结果作为目标自然语言理解模型，通过因果干预和反事实推理的处理过程，可以有效地提高目标自然语言理解模型的精准度。