論文の概要: Factual Error Correction of Claims
- arxiv url: http://arxiv.org/abs/2012.15788v1
- Date: Thu, 31 Dec 2020 18:11:26 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-17 17:27:03.988361
- Title: Factual Error Correction of Claims
- Title（参考訳）: 請求項の事実的誤り訂正
- Authors: James Thorne, Andreas Vlachos
- Abstract要約: 本稿では,事実誤り訂正の課題を紹介する。
誤情報を含む文章を修正するメカニズムを提供します。
これは、すでに証拠によって部分的に支持されている主張に固有の説明として機能する。
- 参考スコア（独自算出の注目度）: 18.52583883901634
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper introduces the task of factual error correction: performing edits
to a claim so that the generated rewrite is supported by evidence. This serves
two purposes: firstly this provides a mechanism to correct written texts that
contain misinformation, and secondly, this acts as an inherent explanation for
claims already partially supported by evidence. We demonstrate that factual
error correction is possible without the need for any additional training data
using distant-supervision and retrieved evidence. We release a dataset of
65,000 instances, based on a recent fact verification dataset, to compare our
distantly-supervised method to a fully supervised ceiling system. Our manual
evaluation indicates which automated evaluation metrics best correlate with
human judgements of factuality and whether errors were actually corrected.
- Abstract（参考訳）: 本稿では, 事実誤り訂正の課題について紹介する: クレームに対する編集を行い, 生成したリライトを証拠によって支持する。
第一に、誤報を含む文章を訂正するメカニズムを提供し、第二に、すでに証拠によって部分的に支持されている主張に対する本質的な説明として機能する。
遠隔観察および検索した証拠を用いた追加のトレーニングデータを必要としない事実的誤り訂正が可能であることを実証する。
我々は,最近のファクト検証データセットに基づく65,000インスタンスのデータセットをリリースし,遠隔教師あり方式と完全教師付き天井方式を比較した。
手動による評価では, 自動評価指標は, 事実判断と相関し, エラーが実際に修正されたかどうかを示す。
関連論文リスト
- Fact Checking Beyond Training Set [64.88575826304024]
本稿では,レトリバーリーダが,あるドメインのラベル付きデータに基づいてトレーニングし,別のドメインで使用する場合,性能劣化に悩まされることを示す。
本稿では,レトリバー成分を分散シフトに対して頑健にするための逆アルゴリズムを提案する。
次に、これらのデータセットから8つの事実チェックシナリオを構築し、モデルと強力なベースラインモデルのセットを比較します。
論文 参考訳（メタデータ） (2024-03-27T15:15:14Z) - GenAudit: Fixing Factual Errors in Language Model Outputs with Evidence [64.95492752484171]
GenAudit - 文書基底タスクの事実チェック LLM 応答を支援するためのツール。
これらのタスクを実行するためにモデルをトレーニングし、ユーザに対して推奨の編集とエビデンスを示すインタラクティブインターフェースを設計します。
システムによってほとんどのエラーがフラグ付けされていることを保証するため,精度への影響を最小限に抑えつつエラーリコールを増大させる手法を提案する。
論文 参考訳（メタデータ） (2024-02-19T21:45:55Z) - Give Me More Details: Improving Fact-Checking with Latent Retrieval [58.706972228039604]
証拠は、自動化された事実チェックにおいて重要な役割を果たす。
既存のファクトチェックシステムは、エビデンス文が与えられたと仮定するか、検索エンジンが返した検索スニペットを使用する。
資料から得られた全文を証拠として組み込んで,2つの豊富なデータセットを導入することを提案する。
論文 参考訳（メタデータ） (2023-05-25T15:01:19Z) - WiCE: Real-World Entailment for Claims in Wikipedia [63.234352061821625]
We propose WiCE, a new fine-fine textual entailment dataset built on natural claim and evidence pairs from Wikipedia。
標準クレームレベルのエンターメントに加えて、WiCEはクレームのサブ文単位に対するエンターメント判断を提供する。
我々のデータセットの真のクレームは、既存のモデルで対処できない検証と検索の問題に挑戦することを含んでいる。
論文 参考訳（メタデータ） (2023-03-02T17:45:32Z) - Factual Error Correction for Abstractive Summaries Using Entity
Retrieval [57.01193722520597]
本稿では,エンティティ検索後処理に基づく効率的な事実誤り訂正システムRFECを提案する。
RFECは、原文と対象要約とを比較して、原文から証拠文を検索する。
次に、RFECは、エビデンス文を考慮し、要約中のエンティティレベルのエラーを検出し、エビデンス文から正確なエンティティに置換する。
論文 参考訳（メタデータ） (2022-04-18T11:35:02Z) - Evidence-based Factual Error Correction [18.52583883901634]
本稿では,事実誤り訂正の課題を紹介する。
これは、反論されるか、証拠によって部分的にのみ支持される文章を訂正するメカニズムを提供する。
論文 参考訳（メタデータ） (2021-06-02T11:00:17Z) - Generating Fact Checking Explanations [52.879658637466605]
まだ欠けているパズルの重要なピースは、プロセスの最も精巧な部分を自動化する方法を理解することです。
本稿では、これらの説明を利用可能なクレームコンテキストに基づいて自動生成する方法について、最初の研究を行う。
この結果から,個別に学習するのではなく,両目標を同時に最適化することで,事実確認システムの性能が向上することが示唆された。
論文 参考訳（メタデータ） (2020-04-13T05:23:25Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。