重新思考事实验证的损失函数
计算与语言
2024-03-14 v1 人工智能
摘要
我们探索了 FEVER 共享任务中事实验证的损失函数。虽然交叉熵损失是训练判定预测器的标准目标，但它未能捕捉 FEVER 判定类别间的异质性。本文中，我们开发了两个针对 FEVER 量身定制的任务特定目标函数。实验结果证实，所提出的目标函数优于标准交叉熵。当这些目标与简单的类别加权相结合时，性能进一步提升，有效克服了训练数据中的不平衡问题。源代码可在 https://github.com/yuta-mukobara/RLF-KGAT 获取。
引用
@article{arxiv.2403.08174,
title = {Rethinking Loss Functions for Fact Verification},
author = {Yuta Mukobara and Yutaro Shigeto and Masashi Shimbo},
journal= {arXiv preprint arXiv:2403.08174},
year = {2024}
}
备注
Accepted to EACL 2024 (short paper). The souce code is available at https://github.com/yuta-mukobara/RLF-KGAT