支持跨主题自动化事实核查：基于相似性的渐进式主题学习用于主张检测
计算与语言
2024-11-11 v1
摘要
为加速事实核查过程，筛选并排序值得核查的主张被认为是关键环节，因为在线上所能发现的主张数量庞大。然而，当模型需要处理与之前看到的主题不同的新主题时，值得核查的主张检测任务变得更加困难。本研究提出了一个针对阿拉伯语的主题跨域适配框架，用于值得核查的主张检测，以拟合日常全球事件不断涌现的真实场景。我们提出了渐进式主题学习（GTL）模型，通过学习阶段强调目标主题的值得核查的主张。此外，我们引入了基于相似性的渐进式主题学习（SGTL）模型，将渐进式学习与基于相似性的策略相结合。我们的实验表明，所提出的模型有效果，在所研究的14个主题中总体趋势优于基于SOTA的基线。
引用
@article{arxiv.2411.05460,
title = {Supporting Automated Fact-checking across Topics: Similarity-driven Gradual Topic Learning for Claim Detection},
author = {Amani S. Abumansour and Arkaitz Zubiaga},
journal= {arXiv preprint arXiv:2411.05460},
year = {2024}
}