AAAIFeb, 2022

RerrFact: 用于科学论述验证的减少证据检索表示

PDF
TL;DR通过提取和融合来源摘要的相关证据理由，提出了一种调用二分类序列逐个进行预测子任务的模块化方法，从而实现科学主张的自动验证，包括验证支持和反驳证据，该方法名为 RerrFact，并平台竞争 SciFact 排行榜。
scientific claim verificationscifact datasetrationale-selection modelstance predictionsautomatic verification systems
发现论文，激发创造
  • 验证科学主张：事实或虚构

    科学的论断验证是一个新的任务，其目的是从研究文献中选择包含支持或驳斥给定科学论断的摘要，并确定证据。为了研究这个任务，我们构建了 SciFact 数据集，其中包括 1.4K 个专家撰写的科学论断，以及用标签和论据注释的含有证据的摘要。我们开发了 SciFact 的基线模型，并证明简单的领域适应技术可以大大提高性能，并能够使用 CORD-19 语料库鉴定与 COVID-19 相关的声明。我们的实验表明，SciFact 将为设计用于检索和推理包含专业领域知识的语料库的新系统提供具有挑战性的测试平台。

    Apr, 2020

  • 基于段落的科学事实验证多任务学习模型

    本文提出了一种基于 BERT 模型的句子级多任务学习模型，可用于事实验证任务，并通过联合训练模型的理由选择和态度预测来实现反击社交媒体或新闻网站上不断传播的错误信息的目的。

    Dec, 2020

  • 摘要、理论基础和立场：科学主张验证的联合模型

    提出了一种基于机器阅读理解框架的 ARSJoint 方法，该方法可以联合学习三个任务模块，包括论文摘要检索、理由选择和立场预测，并通过提出在摘要检索的句子注意力分数和理由选择的预测输出之间的正则化项增强任务之间的信息互换和约束，实验结果在 SciFact 数据集上表现优异。

    Sep, 2021

  • 再读一遍：通过重新审视证据实现忠实可解释的事实验证

    提出了一种名为 “ReRead” 的验证模型，旨在通过训练证据检索器来获取可解释证据，并通过验​​证理财顾问提高准确性，从而达到提高验证性能的目的。

    May, 2023

  • MultiVerS: 通过弱监督和完整文档上下文提高科学论断验证

    MultiVerS 是一种用于科学论文中事实验证任务的 NLP 系统，其可以在多任务的方式下预测事实核查标签并确定每个标签的理由。

    Dec, 2021

  • 基于证据的现实世界信息需求验证

    论文介绍了一种新的认领审核数据集，其中包括来自搜索引擎查询的实例，共包含 10,987 个带有证据的主张，证据来自完整的维基百科文章，注释具有章节和句子级别的细粒度，通过总体评估，作者发现使用证据提取来总结最终用户的理由时，预测主张真实性的准确性并没有明显差异，此数据集还存在挑战性问题，作者在转移学习实验中进行了证明

    Apr, 2021

  • QMUL-SDS 在 SCIVER 上的科学主张验证的逐步二分类

    本文介绍了 QMUL-SDS 团队在科学主张验证方面的参与，提出使用二进制分类逐步进行科学主张验证的方法，利用 BioBERT-large 分类器在检索摘要和检索摘要后选择理由，然后采用两步预测方法预测标签，相较于基准系统，在开发集上获得了实质性的改进，使得团队在排行榜上排名第四。

    Apr, 2021

  • SciFact-Open: 面向开放领域的科学主张验证

    本文介绍了一种新型测试集 SciFact-Open，通过信息检索中的池化技术和四种先进的科学主张验证模型的预测，评估了科学主张验证系统在 50 万个研究摘要的语料库上的表现，发现在 SciFact-Open 上进行测试要比在更小的语料库上进行测试更具挑战性。

    Oct, 2022

  • 面向题目感知的证据推理和立场感知的聚合用于事实核查

    该研究提出了一种主题感知证据推理和立场感知集成模型来更准确地验证事实，重点在于检查索赔和证据之间的主题一致性，维护多个证据之间的主题连贯性，确保全局主题信息和证据的语义表示之间的语义相似性，并基于证据对索赔的隐含立场聚合证据。

    Jun, 2021

  • 从野外获取证据进行的复杂索赔验证

    本文提出了一种完全自动化的流水线，通过从 Web 检索原始证据来检查实际世界中的索赔，结果表明，我们的流水线可以提供可靠且相关的证据摘要，从而帮助事实检查员甄别真假索赔。

    May, 2023