“警惕欺骗”：半真检测的半真相识别与通过受控声明编辑揭批
计算与语言
2023-08-17 v1
摘要
半真（即包含部分真相但终具欺骗性的陈述）的盛行随互联网使用的增长而上升。为助力应对该问题，我们构建了一个由半真检测模型与声明编辑模型组成的完整流水线。我们的方法利用T5模型进行受控声明编辑；“受控”此处意指对声明的选定部分进行精确调整。我们的方法在编辑后声明上取得了0.88的平均BLEU分数（0-1量表）和85%的disinfo-debunk分数。显著地，我们基于T5的方法优于GPT2、RoBERTa、PEGASUS和Tailor等其他语言模型，在disinfo-debunk分数上分别平均提升82%、57%、42%和23%。通过扩展LIAR PLUS数据集，我们的半真检测模型取得了82%的F1分数，树立了该领域的新基准。尽管先前已有半真检测的尝试，但据我们所知，我们的方法是首个试图揭批半真的方法。
引用
@article{arxiv.2308.07973,
title = {"Beware of deception": Detecting Half-Truth and Debunking it through Controlled Claim Editing},
author = {Sandeep Singamsetty and Nishtha Madaan and Sameep Mehta and Varad Bhatnagar and Pushpak Bhattacharyya},
journal= {arXiv preprint arXiv:2308.07973},
year = {2023}
}