基于程序增强与 verbalization 及图注意力网络的事实核查
人工智能
2021-09-14 v6 计算与语言
机器学习
摘要
基于结构化数据执行事实核查对许多实际应用十分重要，并且是一个具有挑战性的研究问题，尤其当其同时涉及符号操作与基于语言理解的非形式推理时。本文提出一种程序增强的 Verbalization 与图注意力网络（ProgVGAT），将程序及其执行整合进文本推理模型。具体而言，提出一种带程序执行的 verbalization 模型，以累积嵌入于表格操作中的证据。在此基础上，我们构建图注意力核查网络，旨在融合来自 verbalized 程序执行、程序结构以及原始陈述与表格的不同来源证据，以作出最终核查决策。为支撑上述框架，我们提出一个以基于间隔损失的新型训练策略优化的程序选择模块，以生成更准确的程序，其被证明可有效增强最终核查结果。实验结果表明，所提框架在基准数据集TABFACT上取得了新的SOTA性能，准确率达74.4%。
引用
@article{arxiv.2010.03084,
title = {Program Enhanced Fact Verification with Verbalization and Graph Attention Network},
author = {Xiaoyu Yang and Feng Nie and Yufei Feng and Quan Liu and Zhigang Chen and Xiaodan Zhu},
journal= {arXiv preprint arXiv:2010.03084},
year = {2021}
}
备注
16 pages (Accepted by EMNLP 2020 as a long paper)