基于批判性问题解答的误information识别可解释框架

自然语言误information检测方法目前主要依赖于序列分类方法，产生的系统往往难以解释其判定为误information的原因。虽然自动事实核查领域已尝试提出可解释的方法，但自动reason-checking系统尚未形成类似方法。本文提出一种基于论证方案和批判性问题的新型可解释框架，用于事实性和理性误information检测。为此，我们发布了NLAS-CQ语料库，这是首个融合3,566个类似教科书的自然语言论证方案实例及其对应4,687个关于这些论证的批判性问题答案的语料库。基于该语料库，我们实现并验证了新的框架，该框架结合分类与问答技术，对论证进行分析以搜索误information，并为人类用户提供以批判性问题形式的解释。