GEAR：基于图的证据聚合与推理的事实核查框架
计算与语言
2019-08-07 v1 人工智能
机器学习
机器学习
摘要
事实核查（FV）是一项具有挑战性的任务，要求从纯文本中检索相关证据并利用证据验证给定声明。许多声明需要同时整合与推理若干证据以进行验证。然而，先前工作采用简单模型从证据中提取信息，而不让证据彼此交流，例如仅将证据拼接用于处理。因此，这些方法无法掌握证据间充分的关系与逻辑信息。为缓解此问题，我们提出一种基于图的证据聚合与推理（GEAR）框架，其使信息能在全连接证据图上传递，随后利用不同聚合器收集多证据信息。我们进一步采用 BERT（一种有效的预训练语言表示模型）以提升性能。在大规模基准数据集 FEVER 上的实验结果表明，GEAR 能利用多证据信息进行 FV，从而以 67.10% 的测试 FEVER 分数取得有前景的结果。我们的代码发布于 https://github.com/thunlp/GEAR。
引用
@article{arxiv.1908.01843,
title = {GEAR: Graph-based Evidence Aggregating and Reasoning for Fact Verification},
author = {Jie Zhou and Xu Han and Cheng Yang and Zhiyuan Liu and Lifeng Wang and Changcheng Li and Maosong Sun},
journal= {arXiv preprint arXiv:1908.01843},
year = {2019}
}
备注
Accepted by ACL 2019