利用无监督后编辑生成流畅的事实核查解释
计算与语言
2021-12-15 v1 机器学习
摘要
事实核查系统已成为核实虚假与误导新闻的重要工具。当可读性解释随真实性标签一同提供时，这些系统更值得信赖。然而，此类解释的人工收集昂贵且耗时。近期工作将解释生成视为抽取式摘要，并提议从专业记者的裁决评论（RCs）中自动选取最重要事实的充分子集以获得事实核查解释。但这些解释缺乏流畅性与句子连贯性。本工作中，我们提出一种基于迭代编辑的算法，仅使用短语级编辑对不连贯的RCs进行无监督后编辑。为调控编辑算法，我们采用包含流畅性与语义保持等组件的评分函数。此外，我们展示了该方法在完全无监督设定下的适用性。我们在LIAR-PLUS与PubHealth两个基准数据集上实验，表明我们的模型生成的解释流畅、可读、无冗余，并覆盖事实核查的重要信息。
引用
@article{arxiv.2112.06924,
title = {Generating Fluent Fact Checking Explanations with Unsupervised Post-Editing},
author = {Shailza Jolly and Pepa Atanasova and Isabelle Augenstein},
journal= {arXiv preprint arXiv:2112.06924},
year = {2021}
}