一种用于检测政治辩论中值得核查声明的上下文感知方法

在调查性新闻的背景下，我们解决自动识别给定文档中哪些声明最值得并应优先进行事实核查的问题。尽管其重要，这是一个相对研究不足的问题。因此，我们创建了一个新的政治辩论数据集，包含已被九个可信来源事实核查过的陈述，并训练机器学习模型来预测哪些声明应优先事实核查，即我们将该问题建模为一个排序任务。与先前主要孤立看待句子的研究不同，本文聚焦于对上下文建模的丰富输入表示：目标陈述与辩论更大上下文之间的关系、对手间的交互，以及主持人与公众的反应。我们的实验展示了最先进的结果，以一定优势超越一个强劲的竞争系统，同时也确认了上下文信息的重要性。