面向公共卫生声明可解释自动事实核查
计算与语言
2020-10-21 v1 人工智能
摘要
事实核查是通过将声明的断言与可信证据进行评估以验证其真实性的任务。绝大多数事实核查研究仅关注政治声明。极少研究探索其他主题的事实核查，特别是需要专业知识的主题事项。我们提出了首个针对需要特定专业知识的声明进行可解释事实核查的研究。作为案例研究，我们选择公共卫生这一场景。为支持该案例研究，我们构建了一个包含11.8K条声明的新数据集PUBHEALTH，每条声明均附有记者撰写的、作为黄金标准的解释（即判断），以支持声明的核查标签。我们探索了两项任务：真实性预测与解释生成。我们还定义并借助人工与计算方式评估了解释质量的三种连贯性属性。我们的结果表明，通过在领域内数据上训练，可在需要特定专业知识的声明的可解释自动事实核查方面取得进展。
引用
@article{arxiv.2010.09926,
title = {Explainable Automated Fact-Checking for Public Health Claims},
author = {Neema Kotonya and Francesca Toni},
journal= {arXiv preprint arXiv:2010.09926},
year = {2020}
}
备注
Accepted to EMNLP 2020. 15 pages, 7 figures, 9 tables. The dataset is available at https://github.com/neemakot/Health-Fact-Checking