本体增强的主张检测
计算与语言
2024-02-20 v1
摘要
我们提出了一种用于基于句子的主张检测的本体增强模型。我们将来自知识库的本体嵌入与 BERT 句子嵌入相融合，以在 ClaimBuster 和 NewsClaims 数据集上执行主张检测。与其他统计和神经机器学习模型相比，我们的本体增强方法在这些小型不平衡数据集上取得了最佳结果。实验表明，添加领域特定特征（无论是训练过的词嵌入还是知识图谱元数据）可以改进传统的机器学习方法。此外，以本体嵌入形式添加领域知识有助于避免基于神经网络的模型中遇到的偏差，例如在我们的小型语料库中纯 BERT 模型对较大类别的偏差。
引用
@article{arxiv.2402.12282,
title = {Ontology Enhanced Claim Detection},
author = {Zehra Melce Hüsünbeyi and Tatjana Scheffler},
journal= {arXiv preprint arXiv:2402.12282},
year = {2024}
}
备注
accepted to defactify workshop at AAAI, 2024