半自动事实核查：基于索取与主张抽取的葡萄牙语语料库增强
计算与语言
2025-08-12 v1 人工智能
信息检索
摘要
信息扩散速度常常超过事实核查的手工处理能力，凸显了半自动事实核查（Semi-Automated Fact-Checking, SAFC）系统的迫切需求。在葡萄牙语语境下，公开可用数据集稀缺且缺乏整合外部证据的数据，后者是构建稳健事实核查系统（AFC）不可或缺的组成部分，因为许多现有资源仅基于内在文本特征进行分类。本论文通过开发、应用和分析一种方法，来丰富葡萄牙语新闻语料库（Fake.Br、COVID19.BR、MuMiN-PT），以整合外部证据。该方法模拟用户的核查过程，运用大语言模型（LLM，具体为 Gemini 1.5 Flash）从文本中抽取主旨论点，并通过搜索引擎 API（Google Search API、Google FactCheck Claims Search API）检索相关外部文档（证据）。此外，本文引入一个数据验证与预处理框架，包括近似重复检测，以提升基础语料库的质量。
引用
@article{arxiv.2508.06495,
title = {Semi-automated Fact-checking in Portuguese: Corpora Enrichment using Retrieval with Claim extraction},
author = {Juliana Resplande Sant'anna Gomes and Arlindo Rodrigues Galvão Filho},
journal= {arXiv preprint arXiv:2508.06495},
year = {2025}
}
备注
Master Thesis in Computer Science at Federal University on Goias (UFG). Written in Portuguese