RerrFact：用于科学声明验证的精简证据检索表示
计算与语言
2022-04-19 v2
摘要
数字信息渠道的指数级增长与发表竞赛使得科学错误信息比以往任何时候都更为普遍。然而，即便对研究人员而言，对给定科学声明进行事实核查的任务也并不简单。科学声明验证需要领域专家的深入知识与大量人工，以从可信科学来源中核实支持与反驳证据。SciFact数据集及相应任务为学界提供了一个基准排行榜，通过从源摘要中提取并整合相关证据理据来开发自动科学声明验证系统。本工作中，我们提出一种模块化方法，依SciFact排行榜顺序对每个预测子任务进行二分类。我们这种基于简单分类器的方法使用精简的摘要表示来检索相关摘要，并进一步用于训练相关理据选择模型。最后，我们执行两步立场预测：先区分不相关理据，再识别给定声明的支持或反驳理据。实验上，我们的系统RerrFact无需微调、设计简单且参数量极少，在排行榜上与大规模、模块化及联合建模方法相比具有竞争力。我们的代码库发布于 https://github.com/ashishrana160796/RerrFact。
引用
@article{arxiv.2202.02646,
title = {RerrFact: Reduced Evidence Retrieval Representations for Scientific Claim Verification},
author = {Ashish Rana and Deepanshu Khanna and Tirthankar Ghosal and Muskaan Singh and Harpreet Singh and Prashant Singh Rana},
journal= {arXiv preprint arXiv:2202.02646},
year = {2022}
}
备注
Accepted in the AAAI-22 Workshop on Scientific Document Understanding at the Thirty-Sixth AAAI Conference on Artificial Intelligence (SDU@AAAI-22)