MTLTS：一种从危机相关微博获取可信摘要的多任务框架
信息检索
2021-12-14 v1
摘要
自然灾害或人为灾难等灾祸的发生会促使谣言在社交媒体上快速传播。因此，向这些潜在不可靠信息的消费者近实时地呈现可信且概要的事件描述成为一项重要任务。本工作中，我们提出 MTLTS，即该任务首个端到端解决方案，联合判定推文的 credibility（可信度）与摘要价值。我们的可信度验证器被设计用于递归学习 Twitter 对话级联的结构属性，以及回复对源推文的态度。我们随后采取分层多任务学习方法，其中验证器在较低层训练，摘要器在更深层训练，并利用验证器预测来确定推文显著性。不同于现有灾害特定摘要器，我们将推文摘要建模为有监督任务。此方法可自动学习具摘要价值的特征，因而可良好跨域泛化。在 PHEME 数据集 [29] 上训练时，我们不仅于验证/谣言检测辅助任务上超越最强基线，亦于可信摘要主任务上相较现有最先进（state-of-the-art）方案在摘要推文已验证比例上取得 21–35% 提升，在 ROUGE1-F1 分数上取得 16–20% 提升。
引用
@article{arxiv.2112.05798,
title = {MTLTS: A Multi-Task Framework To Obtain Trustworthy Summaries From Crisis-Related Microblogs},
author = {Rajdeep Mukherjee and Uppada Vishnu and Hari Chandana Peruri and Sourangshu Bhattacharya and Koustav Rudra and Pawan Goyal and Niloy Ganguly},
journal= {arXiv preprint arXiv:2112.05798},
year = {2021}
}
备注
Accepted as a Full Paper at WSDM 2022; 9 pages; Codes: https://github.com/rajdeep345/MTLTS