AAAIFeb, 2022

跨语言匹配推文与适用的事实检查

PDF
TL;DR本研究使用多语言变换器模型和嵌入技术（如 XLM-RoBERTa、LaBSE 和 SBERT 等）自动寻找社交媒体帖子（推文）中已经被事实检查过的主张。在不同语言设置中，我们进行了分类和检索实验，并取得了令人满意的结果。我们也发现处理不同语言时存在一些 NLP 挑战，并为未来的研究提供了一个新的事实检查和相应推文的数据集。
news fact-checkingexisting fact-checkssocial mediamultilingual transformer modelsnlp challenges
发现论文，激发创造
  • 跨语言转移学习在推特上识别值得检查的声明

    本文研究如何使用现有数据集训练 Twitter 消息的不同语言的验证价值模型。通过使用多语言 BERT 模型，我们系统地比较了六种方法。结果表明，对于一些语言对，零 - shot 跨语言转移是可能的，并且可以与在目标语言上训练的单语模型一样好。

    Nov, 2022

  • 多语种事实核查索引检索

    本论文提出了一个新的多语言数据集 MultiClaim，其中包含 28k 个社交媒体帖子和 206k 个来自专业事实核查人员写的 39 种语言的事实核查。我们评估了不同的非监督方法在这个数据集上的效果，并显示对这样一个多样化的数据集进行评估具有复杂性，需要在解释结果之前采取适当的措施。我们还评估了一种监督微调方法，显著提高了非监督方法的性能。

    May, 2023

  • 将索赔匹配扩展到全球事实核查

    该研究讨论了声明匹配作为扩大事实核查的可能解决方案，通过使用知识蒸馏和高质量的教师模型训练自己的嵌入模型来改善低资源语言在数据集中嵌入质量的不平衡，并与现有的多语言嵌入模型进行比较，证明在所有设置中超过了现有的解决方案，并释放注释数据集和嵌入模型以供进一步研究。

    Jun, 2021

  • CheckThat! 实验室 2022 年：推文文本的可信度标识

    本文研究了使用 transformer 模型（BERT-m 和 XLM-RoBERTa-base）对社交媒体中存在的误导性信息进行事实核查的方法，实验结果表明，在荷兰语和英语中，transformer 模型优于 SVM 和 RF 模型，但在西班牙语中，情况则不同。

    Jul, 2022

  • 自动事实核查的主张检测：关于单语、多语和跨语言研究的调查

    自动事实核查引起了过去几十年的广泛关注， 由于在线平台上虚假信息的扩散增加。本调查主要关注多语言数据和方法，讨论现有努力检测需求核查的言论。我们提出了一项综合调查，介绍了最新的多语言言论检测研究，主要涉及可验证性，优先级和相似性三个问题因素。此外，我们详细概述了现有的多语言数据集，以及存在的挑战，并提出可能的未来发展方向。

    Jan, 2024

  • 在社交媒体中检测先前经过事实检查的声明

    通过对社交媒体上的观点进行众包事实核查，并运用改进的自适应训练方法进行学习，以建立一个端到端的自动事实核查框架来解决训练数据稀缺的问题，并较之现有技术提升 2 个百分点。

    Oct, 2022

  • X-FACT：一个新的用于多语言事实检查的基准数据集

    本研究介绍了 X-FACT 数据集，这是目前最大的公开的多语言事实验证数据集，其中包含 25 种语言的短语句，并由专业事实检查者标记真实性，数据集包含多语言评估基准测试，并使用现代化的多语言变压器模型开发了多个自动事实检查模型，实证表明模型的最佳性能 F1 分数约为 40％，因此是评估多语言事实检查模型的挑战性基准测试。

    Jun, 2021

  • 通过多阶段检索发现已被驳斥的叙述：实现跨语言、跨数据集和零样本学习

    通过创建新数据集、使用跨语言查询和提出多阶段框架，本文在横跨不同领域和零 - shot 学习中实现了已证伪叙述的跨语言检索任务。结果表明，这是一项具有挑战性的任务，但多阶段检索框架表现出鲁棒性，在大多数情况下胜过了 BM25 基线，并且在不显著损害模型性能的情况下进行了跨领域和零 - shot 学习。

    Aug, 2023

  • CheckThat! 2020: 基于 Transformer 和句法特征融合的社交媒体辩称检测

    本论文针对应对现代数字化新闻中的假新闻传播问题，提出了两个解决方案，即利用 Bert 嵌入以及句子 transformer 进行需要核实性预测，以及利用 Siamese 网络 transformer 进行语义文本相似度匹配进行信息检索。

    Jul, 2020

  • 用跨语言检索方法提升跨语言事实核查

    为了解决低资源语言事实核查数据集的缺乏问题，我们提出了一种跨语言检索的事实核查框架，该框架利用我们提出的自监督算法，使用翻译的文章标题来创建训练实例，并在多种语言下实现证据的汇集。在 X-Fact 数据集上，我们的方法在零 - shot 跨语言设置下，在绝对 F1 上获得了 2.23% 的改进。

    Sep, 2022