面向自动化事实核查的跨主题值得核查声明检测
计算与语言
2022-12-19 v1
摘要
自动化事实核查系统的一个重要组成部分是声明可核查性检测系统，该系统通过基于待核查需求对句子进行排序来优先处理它们。尽管已有大量研究解决该任务，以往研究忽视了识别不同主题下值得核查声明的挑战性本质。在本文中，我们评估并量化了针对新的、未见过主题检测值得核查声明的挑战。在指出该问题后，我们提出AraCWA模型以缓解跨主题检测值得核查声明时的性能退化。AraCWA模型通过引入用于少样本学习和数据增强的两个组件，提升了新主题上的性能。使用由14个不同主题组成的公开阿拉伯语推文数据集，我们证明了所提出的数据增强策略在跨主题整体上取得了显著改进，且改进程度因主题而异。此外，我们分析了主题间的语义相似性，表明该相似性度量可用作在标注底层句子任务之前确定未见过主题难度水平的代理指标。
引用
@article{arxiv.2212.08514,
title = {Check-worthy Claim Detection across Topics for Automated Fact-checking},
author = {Amani S. Abumansour and Arkaitz Zubiaga},
journal= {arXiv preprint arXiv:2212.08514},
year = {2022}
}