EMNLPOct, 2022

Twitter 上声明段落的自动识别：事实检查者的赋能

PDF
TL;DR本文提出了 Claim Span Identification (CSI) 任务并引入了名为 CURT 的大规模 Twitter 语料库，通过基于 RoBERTa 的适配器 DABERTa 进行实验来对其数据进行基准测试，并提供了细致的误差分析和消融研究来验证该模型的性能，并提供了全面的跨度注释指南以供公共使用。
covid-19misinformationfact-checkingtwitterroberta
发现论文，激发创造
  • 生物医学 Twitter 帖子中的索赔检测

    本文旨在填补社交媒体生物医学领域中技术自动验证和虚假新闻检测方法的研究空白，使用样本与新冠肺炎、麻疹、囊性纤维化和抑郁症相关的推文，开发出一个检测自动化声明的模型，并且在嵌入式分类器和 BERT 转移学习方面进行基础分类实验，分析揭示出笔者所构建的医学推特大多数都包含自动化声明信息。

    Apr, 2021

  • CLAIMSCAN-2023: 社交媒体中揭示真相的概述 —— 通过索引主张的检测和识别

    在线社交媒体平台的快速发展使内容创作和信息交流大幅增加，然而这些平台也成为了散布虚假信息、宣传和假新闻的温床。为了解决这个问题，社交媒体巨头雇佣内容审核员来过滤虚假新闻。然而，庞大的信息量使得有效辨别虚假新闻变得困难，因此自动识别发出此类言论的社交媒体帖子、核实其真实性并区分可信与虚假言论变得至关重要。

    Oct, 2023

  • 自动事实核查：开发一种注释模式和基准，以实现一致的自动索赔检测

    本文介绍了利用专业事实核查人员的专业知识，开发了一种基于通用句子表示的方法来检测声明，其分类时的 F1 值高达 0.83，相对于现有方法 ClaimBuster 和 ClaimRank 提升了超过 5%。

    Sep, 2018

  • 迷失翻译，发现片段：多语言社交媒体中的索引辨识

    CSI 是事实核查流程中的重要步骤，该文档旨在通过创建一个多语言数据集 X-CLAIM，展示基于高资源语言英语进行训练，以及使用编码器模型相比较大的生成式语言模型在低资源语言上带来的明显优势。

    Oct, 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

  • 利用抽象提取技术进行事实核查声明检测

    在社交媒体如此发达的时代，我们提出了一个新的流程，其中部分自动化事实检查的生命周期可以节省人力和高认知任务。我们的方法是利用抽象摘要生成简洁的查询，这些查询可以在基于现有已核查实事的数据集的检索系统中执行。通过使用现有的摘要模型进行微调和开箱既食的摘要模型，我们获得了具有更好的检索表现，检索准确率提高了 3 倍，而基于原文查询的准确率仅为 10％。

    Sep, 2022

  • 利用特定事件和文本片段特征从推文中提取 COVID 事件

    本文介绍了我们在 2020 年 WNUT Shared Task-3 中提交的某个系统入口，该入口旨在自动从 Twitter 上提取各种 COVID-19 相关事件（如最近感染该病毒的个体、被拒绝进行检测并相信对抗此感染的治疗措施等）。该系统使用 COVID-Twitter-Bert 捕捉有用的信息块，并以无集合或其他数据集的 F1 排名第一。

    Dec, 2020

  • 跨语言匹配推文与适用的事实检查

    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。

    Feb, 2022

  • 基于推特的偏见医疗声称级联检测

    社交媒体上可能会传播强调社会识别因素与疾病之间误导性相关性的医疗声明，而不考虑健康的结构性决定因素。我们的研究旨在识别 Twitter 上的偏见医疗声明并测量它们的传播程度。我们提出了一个机器学习框架，使用 RoBERTa 模型检测医疗声明，使用 DistilBERT 模型分类偏见。在识别出原始的有偏见医疗声明后，我们进行了转推级联分析，计算它们的个体传播范围和传播速率。我们发现，包含偏见声明的推文传播得比无偏见声明的更快、更远。

    Dec, 2023

  • 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