QMUL-SDS 在 SCIVER 上的工作：面向科学声明验证的逐步二分类
计算与语言
2021-04-26 v1
摘要
科学声明验证是一项独特挑战，正吸引日益增加的关注。SCIVER 共享任务提供了一个基准场景，供参赛团队测试与比较声明验证方法，其包含三个步骤：相关摘要选择、理由选择与标签预测。本文中，我们介绍 QMUL-SDS 团队在该共享任务中的参与。我们提出一种通过逐步二分类执行科学声明验证的方法。我们训练了一个 BioBERT-large 分类器，基于每对 <声明, 摘要标题> 的相关性评判来选择摘要，并继续训练它以基于 <声明, 句子> 从每篇检索到的摘要中选择理由。随后我们提出一种两步式标签预测设定，即先预测“NOT_ENOUGH_INFO”或“ENOUGH_INFO”，再将标记为“ENOUGH_INFO”的标注为“SUPPORT”或“CONTRADICT”。相较于基线系统，我们在开发集上取得了实质性改进。最终，本团队在排行榜上位列第 4。
引用
@article{arxiv.2104.11572,
title = {QMUL-SDS at SCIVER: Step-by-Step Binary Classification for Scientific Claim Verification},
author = {Xia Zeng and Arkaitz Zubiaga},
journal= {arXiv preprint arXiv:2104.11572},
year = {2021}
}