用于零样本科学事实核查的科学声明生成
计算与语言
2022-03-25 v1
摘要
自动化科学事实核查因科学语言的复杂性以及缺乏大量训练数据而十分困难，因为标注需要领域专业知识。为应对这一挑战，我们提出科学声明生成任务，即从科学句子中生成一个或多个原子化且可验证的声明，并展示了其在生物医学声明的零样本事实核查中的效用。我们提出CLAIMGEN-BART，一种用于生成受文献支持的声明的新监督方法，以及KBIN，一种生成声明否定的新方法。此外，我们将现有的无监督以实体为中心的声明生成方法适配于生物医学声明，称之为CLAIMGEN-ENTITY。零样本事实核查实验表明，CLAIMGEN-ENTITY与CLAIMGEN-BART结合KBIN，均能达到在人工标注声明与证据上训练的全监督模型90%的性能。一项严格的评估研究显示出相较现有基线在生成声明与否定质量上的显著提升。
引用
@article{arxiv.2203.12990,
title = {Generating Scientific Claims for Zero-Shot Scientific Fact Checking},
author = {Dustin Wright and David Wadden and Kyle Lo and Bailey Kuehl and Arman Cohan and Isabelle Augenstein and Lucy Lu Wang},
journal= {arXiv preprint arXiv:2203.12990},
year = {2022}
}
备注
Accepted to ACL 2022; 13 pages, 3 figures, 8 tables