WikiContradiction：检测维基百科中的自相矛盾文章

尽管维基百科已被用于事实核查与主张验证以揭穿错误信息与虚假信息，但提升文章质量并排除噪声文章同样至关重要。自相矛盾是维基百科中低质量文章类型之一。在本工作中，我们提出一项检测维基百科中自相矛盾文章的任务。基于“self-contradictory”模板，我们为自相矛盾检测任务创建了一个新颖数据集。传统矛盾检测侧重于比较句子对或主张对，而自相矛盾检测需要进一步推理文章语义并同时从所有句子对中学习矛盾感知的比较。因此，我们提出首个模型——成对矛盾神经网络（PCNN），不仅能有效识别自相矛盾文章，还能高亮最具矛盾性的矛盾句子对。PCNN 的主要思想有两点。首先，为缓解自相矛盾文章数据稀缺的影响，我们使用 SNLI 和 MNLI 基准预训练成对矛盾学习模块。其次，我们选取矛盾概率值最高的前 K 个句子对并建模其相关性，以判定相应文章是否属于自相矛盾。在提出的 WikiContradiction 数据集上的实验表明，PCNN 能取得有前景的性能，并全面高亮矛盾所在的句子对。