收敛于真相：基于迭代约束编辑的事实错误纠正
计算与语言
2023-02-24 v3
摘要
给定一个可能为假的声明句，我们如何以最小编辑量自动纠正它？现有方法要么需要大量错误与纠正后声明对进行有监督训练，要么不能很好地处理跨越句中多个词元的错误。本文提出 VENCE，一种以最小编辑进行事实错误纠正（FEC）的新方法。VENCE 将 FEC 问题表述为相对于目标密度函数的迭代采样编辑动作。我们利用离线训练的事实核查模型预测的真实性分数精心设计了目标函数。VENCE 基于真实性分数对输入词元及编辑动作的回算梯度，采样最可能的编辑位置，并使用远程监督语言模型（T5）。在公开数据集上的实验表明，相较此前最佳的远程监督方法，VENCE 将广泛采用的 SARI 指标提升了 5.3（即相对提升 11.8%）。
引用
@article{arxiv.2211.12130,
title = {Converge to the Truth: Factual Error Correction via Iterative Constrained Editing},
author = {Jiangjie Chen and Rui Xu and Wenxuan Zeng and Changzhi Sun and Lei Li and Yanghua Xiao},
journal= {arXiv preprint arXiv:2211.12130},
year = {2023}
}
备注
Accepted to AAAI 2023