面向信息验证的小样本学习
计算与语言
2021-02-23 v1
摘要
信息验证是一项相当具有挑战性的任务，这是因为许多时候验证一个声明需要从多条证据中选取信息片段，而这些证据可能具有层次化的复杂语义关系。先前许多研究者主要关注于简单拼接多条证据句子来接受或拒绝声明。这些方法存在局限，因为证据可能包含层次化信息和依赖关系。在本研究中，我们旨在基于从维基百科文章列表中选取的证据来验证事实。诸如 XLNET 之类的预训练语言模型被用于生成有意义的表示，并以这样一种方式使用基于图的注意力和卷积，使得系统只需很少的额外训练即可学会验证事实。
引用
@article{arxiv.2102.10956,
title = {Few Shot Learning for Information Verification},
author = {Usama Khalid and Mirza Omer Beg},
journal= {arXiv preprint arXiv:2102.10956},
year = {2021}
}