基于证据摘要的真伪预测解释：一种多任务模型方法
计算与语言
2024-02-12 v1
摘要
虚假信息通过社交媒体的快速传播提升了自动化事实核查的重要性。此外，近年来关于深度神经模型在做出预测时关注什么的研究也有所增加。尽管该领域已取得显著进展，但尚未达到可与人类推理相媲美的推理水平。为了解决这些差距，我们提出了一种用于虚假信息检测的多任务可解释神经模型。具体而言，这项工作将模型真伪预测的解释生成过程表述为一个文本摘要问题。此外，本文在公开可用的数据集上讨论了所提出模型的性能，并将研究结果与相关研究进行了评估。
引用
@article{arxiv.2402.06443,
title = {Explaining Veracity Predictions with Evidence Summarization: A Multi-Task Model Approach},
author = {Recep Firat Cekinel and Pinar Karagoz},
journal= {arXiv preprint arXiv:2402.06443},
year = {2024}
}