MAPLE：面向小样本声明验证的成对语言演化微观分析
计算与语言
2024-01-30 v1 人工智能
机器学习
摘要
声明验证是自动化事实核查流程中的关键步骤，它依据证据评估声明的真实性。在这项工作中，我们探索了少样本声明验证的潜力，即仅有非常有限的标注数据可用于监督学习。我们提出了MAPLE（成对语言演化微观分析），这是一种开创性方法，通过一个小型seq2seq模型和一种新颖的语义度量来探索声明与其证据之间的对齐关系。其创新性地利用微观语言演化路径，利用无标注的成对数据来促进声明验证，同时对数据标注和计算资源的需求较低。在三个事实核查数据集：FEVER、Climate FEVER和SciFact上，MAPLE相较于SOTA基线方法SEED、PET和LLaMA 2，表现出了显著的性能提升。数据和代码可在以下链接获取：https://github.com/XiaZeng0223/MAPLE
引用
@article{arxiv.2401.16282,
title = {MAPLE: Micro Analysis of Pairwise Language Evolution for Few-Shot Claim Verification},
author = {Xia Zeng and Arkaitz Zubiaga},
journal= {arXiv preprint arXiv:2401.16282},
year = {2024}
}
备注
accepted by EACL Findings 2024