面向多断言事实核查的知识增强学习与语义组合模型

为抑制谣言信息及其严重后果的传播，传统事实核查旨在检索相关证据以验证给定断言的真实性。事实核查方法通常使用知识图谱（KGs）作为外部存储库，并发展推理机制来检索证据以验证三元组断言。然而，现有方法仅关注于验证单一断言。由于现实世界谣言信息更为复杂，且文本陈述常由多个子句组成（即表示为多个断言而非单个断言），多断言事实核查不仅必要，而且对实际应用更为重要。尽管先前验证单个三元组的方法可重复应用以逐一验证多个三元组，但它们忽略了多断言陈述中隐含的上下文信息，且无法将陈述整体丰富的语义信息学习出来。本文提出一种端到端的知识增强学习与验证方法用于多断言事实核查。我们的方法包含两个模块：基于KG的学习增强和多断言语义组合。为充分利用上下文信息，基于KG的学习增强模块通过选择性聚合实体的相关属性来学习动态上下文特定表示。为捕获多个三元组的组合语义，多断言语义组合模块构建图结构以建模断言级交互，并利用多头注意力整合全局与显著局部语义。在真实世界数据集和两个基准数据集上的实验结果展示了我们的方法在多断言事实核查上的有效性。