基于核图注意力网络的细粒度事实核查
计算与语言
2021-06-22 v4
摘要
事实核查需要细粒度的自然语言推理能力,以发现细微线索来识别句法与语义正确但缺乏充分证据支持的声明。本文提出核图注意力网络(KGAT),其通过基于核的注意力进行更细粒度的事实核查。给定一条声明和一组构成证据图的潜在证据句,KGAT 将节点核(更好地度量证据节点的重要性)与边核(在图中进行细粒度证据传播)引入图注意力网络,以实现更准确的事实核查。KGAT 在大规模事实核查基准 FEVER 上取得了 70.38% 的 FEVER 分数,并显著优于现有的事实核查模型。我们的分析表明,与点积注意力相比,基于核的注意力更聚焦于证据图中的相关证据句和有意义的线索,这是 KGAT 有效性的主要来源。
引用
@article{arxiv.1910.09796,
title = {Fine-grained Fact Verification with Kernel Graph Attention Network},
author = {Zhenghao Liu and Chenyan Xiong and Maosong Sun and Zhiyuan Liu},
journal= {arXiv preprint arXiv:1910.09796},
year = {2021}
}
备注
Accepted to ACL 2020, 10 pages, 6 figures