面向自动事实核查的实体感知跨语言主张检测
计算与语言
2025-07-22 v4
摘要
识别需要验证的主张是自动事实核查中的关键任务，尤其是在社交媒体平台上错误信息泛滥的背景下。尽管已取得显著进展，但仍存在挑战——特别是在处理在线话语中普遍存在的多语言数据方面。近期研究致力于通过微调预训练多语言语言模型来解决这一问题。虽然这些模型可以处理多种语言，但它们在跨语言知识迁移以检测社交媒体上传播的主张方面的能力仍未被充分探索。在本论文中，我们提出了 EX-Claim，一个实体感知的跨语言主张检测模型，能够很好地泛化以处理多语言主张。该模型利用来自命名实体识别和实体链接技术派生的实体信息，以提升训练期间见过的和未见过的语言的语言级性能。在来自三个不同社交媒体平台的三个数据集上进行的广泛实验表明，我们提出的模型是一种有效的解决方案，在 27 种语言中展示了持续的性能提升，以及训练期间见过和未见过的语言之间的鲁棒知识迁移。
引用
@article{arxiv.2503.15220,
title = {Entity-aware Cross-lingual Claim Detection for Automated Fact-checking},
author = {Rrubaa Panchendrarajan and Arkaitz Zubiaga},
journal= {arXiv preprint arXiv:2503.15220},
year = {2025}
}