AMREx：用于可解释事实核查的抽象意义表示
计算与语言
2024-12-03 v1
摘要
随着社交媒体网络的兴起及其流通的海量信息，自动事实核查是防止错误信息传播的关键组成部分。拥有能够同时提供解释和分类的事实核查系统，对于确保准确的预测更加重要。为满足上述两项需求，我们实现了AMREx，一个基于抽象意义表示（AMR）的事实核查可信度预测与解释系统，该系统结合了Smatch（一种用于衡量意义包含与文本相似性的AMR评估指标），并在两个社区标准事实核查数据集FEVER和AVeriTeC上展示了其通过部分可解释性理由证明有效性的能力。AMREx超越了AVeriTeC基线准确率，展示了我们的方法在真实世界声明核查中的有效性。它遵循可解释的处理流程，并在适用时返回可解释的AMR节点映射以阐明系统的可信度预测。我们进一步证明，AMREx的输出可用于提示大型语言模型（LLMs）生成自然语言解释，以AMR映射作为指导，从而降低幻觉的概率。
引用
@article{arxiv.2411.01343,
title = {AMREx: AMR for Explainable Fact Verification},
author = {Chathuri Jayaweera and Sangpil Youm and Bonnie Dorr},
journal= {arXiv preprint arXiv:2411.01343},
year = {2024}
}
备注
This study implements, evaluates, and analyzes an Abstract Meaning Representation (AMR) based partially explainable system for fact verification/ veracity classification. Accepted by EMNLP Workshop on Fact Extraction and VERification (FEVER) 2024, 11 pages, 7 figures,