論文の概要: Check-worthy Claim Detection across Topics for Automated Fact-checking

• arxiv url: http://arxiv.org/abs/2212.08514v1
• Date: Fri, 16 Dec 2022 14:54:56 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-19 15:21:32.531736
• Title: Check-worthy Claim Detection across Topics for Automated Fact-checking
• Title（参考訳）: 自動ファクトチェックのためのトピック間のチェック価値のあるクレーム検出
• Authors: Amani S. Abumansour, Arkaitz Zubiaga
• Abstract要約: 我々は、新しい、目に見えないトピックのチェック価値のあるクレームを検出するという課題を評価し、定量化する。 AraCWAモデルを提案し,トピック間のチェック値のクレームを検出する際の性能劣化を緩和する。
• 参考スコア（独自算出の注目度）: 21.723689314962233
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: An important component of an automated fact-checking system is the claim check-worthiness detection system, which ranks sentences by prioritising them based on their need to be checked. Despite a body of research tackling the task, previous research has overlooked the challenging nature of identifying check-worthy claims across different topics. In this paper, we assess and quantify the challenge of detecting check-worthy claims for new, unseen topics. After highlighting the problem, we propose the AraCWA model to mitigate the performance deterioration when detecting check-worthy claims across topics. The AraCWA model enables boosting the performance for new topics by incorporating two components for few-shot learning and data augmentation. Using a publicly available dataset of Arabic tweets consisting of 14 different topics, we demonstrate that our proposed data augmentation strategy achieves substantial improvements across topics overall, where the extent of the improvement varies across topics. Further, we analyse the semantic similarities between topics, suggesting that the similarity metric could be used as a proxy to determine the difficulty level of an unseen topic prior to undertaking the task of labelling the underlying sentences.
• Abstract（参考訳）: 自動ファクトチェックシステムの重要なコンポーネントはクレームチェック能力検出システムであり、チェックの必要性に基づいて文章を優先順位付けする。 一連の研究が課題に取り組んでいるにもかかわらず、これまでの研究は、さまざまなトピックにわたるチェックに値する主張を特定することの難しさを見落としてきた。 本稿では,新しい未発見トピックのチェック値クレームを検知する課題を評価し,定量化する。 問題を強調した上で,トピック間のチェック価値のあるクレームを検出する際の性能劣化を軽減するために,AraCWAモデルを提案する。 AraCWAモデルは、数ショットの学習とデータ拡張のための2つのコンポーネントを組み込むことで、新しいトピックのパフォーマンス向上を可能にする。 14の異なるトピックからなるアラビア語のつぶやきの公開データセットを用いて、提案するデータ拡張戦略がトピック全体にわたって大幅に改善され、トピック間で改善の度合いが変化することを実証する。 さらに,話題間の意味的類似性を分析し,類似度指標が,下位文のラベル付け作業に先立って,未知の話題の難易度を判断するためのプロキシとして使用できることを示唆する。

関連論文リスト

• Supporting Automated Fact-checking across Topics: Similarity-driven Gradual Topic Learning for Claim Detection [10.80303881266859]
  本稿では,アラビア語の話題にまたがるチェックアワーなクレーム検出のためのドメイン適応フレームワークを提案する。 本稿では,段階的な学習能力を構築し,対象トピックに対するチェック価値のあるクレームを強調するグラディアルトピックラーニング(GTL)モデルを提案する。 さらに,対象トピックに対する類似性に基づく戦略を用いて段階学習を合成する,類似性駆動型グラデーショナルトピックラーニング(SGTL)モデルについても紹介する。
  論文  参考訳（メタデータ） (2024-11-08T10:24:00Z)
• Show Me What and Where has Changed? Question Answering and Grounding for Remote Sensing Change Detection [82.65760006883248]
  我々は,CDQAG (Change Detection Question Answering and Grounding) という新しいタスクを導入する。 CDQAGは、解釈可能なテキスト回答と直感的な視覚的証拠を提供することで、従来の変更検出タスクを拡張している。 QAG-360Kと呼ばれる最初のCDQAGベンチマークデータセットを構築し、360K以上の質問、テキスト回答、およびそれに対応する高品質な視覚マスクを含む。
  論文  参考訳（メタデータ） (2024-10-31T11:20:13Z)
• IAI Group at CheckThat! 2024: Transformer Models and Data Augmentation for Checkworthy Claim Detection [1.3686993145787067]
  本稿では,IAIグループによるクレームの自動チェックハーネス評価への参加について述べる。 このタスクには、英語、オランダ語、アラビア語の政治討論やTwitterのデータで、チェック価値のあるクレームを自動的に検出することが含まれる。 我々は、様々な事前学習された生成デコーダとエンコーダ変換モデルを利用し、少数ショットチェーンオブ思考推論のような手法を用いる。
  論文  参考訳（メタデータ） (2024-08-02T08:59:09Z)
• Claim Detection for Automated Fact-checking: A Survey on Monolingual, Multilingual and Cross-Lingual Research [7.242609314791262]
  本稿では,現状の多言語クレーム検出研究を,問題の3つの重要な要因,妥当性,優先性,類似性に分類する。 本稿では,既存の多言語データセットの概要と課題について概説し,今後の発展の可能性を提案する。
  論文  参考訳（メタデータ） (2024-01-22T14:17:03Z)
• MythQA: Query-Based Large-Scale Check-Worthy Claim Detection through Multi-Answer Open-Domain Question Answering [8.70509665552136]
  チェック価値のあるクレーム検出は、下流のファクトチェックシステムや、チェックする人間の専門家に、もっともらしい誤情報を提供することを目的としている。 しかし、Twitterのような大規模情報ソースから直接、チェック価値のあるクレームを効率的に検出する方法は、まだ解明されていない。 我々は、クエリベースの大規模チェックアワークレーム検出のための矛盾するスタンスマイニングを含む、複数回答のオープンドメイン質問応答(QA)タスクであるMythQAを紹介する。
  論文  参考訳（メタデータ） (2023-07-21T18:35:24Z)
• ReAct: Temporal Action Detection with Relational Queries [84.76646044604055]
  本研究は,アクションクエリを備えたエンコーダ・デコーダフレームワークを用いて,時間的行動検出(TAD)の進展を図ることを目的とする。 まず,デコーダ内の関係注意機構を提案し,その関係に基づいてクエリ間の関心を誘導する。 最後に、高品質なクエリを区別するために、推論時に各アクションクエリのローカライズ品質を予測することを提案する。
  論文  参考訳（メタデータ） (2022-07-14T17:46:37Z)
• Exposing Query Identification for Search Transparency [69.06545074617685]
  本稿では,検索システムの2つのクラスにおいて,クエリとドキュメントの役割を逆転させることにより,検索タスクとしてのEQIの実現可能性について検討する。 本研究では,クエリのランク付けの質を評価するための評価基準を導出するとともに,近似EQIの様々な実践的側面に着目した経験的分析を行う。
  論文  参考訳（メタデータ） (2021-10-14T20:19:27Z)
• AES Systems Are Both Overstable And Oversensitive: Explaining Why And Proposing Defenses [66.49753193098356]
  スコアリングモデルの驚くべき逆方向の脆さの原因について検討する。 のモデルとして訓練されているにもかかわらず、単語の袋のように振る舞うことを示唆している。 高い精度で試料を発生させる過敏性と過敏性を検出できる検出ベース保護モデルを提案する。
  論文  参考訳（メタデータ） (2021-09-24T03:49:38Z)
• Unsupervised Domain Adaption of Object Detectors: A Survey [87.08473838767235]
  近年のディープラーニングの進歩は、様々なコンピュータビジョンアプリケーションのための正確で効率的なモデルの開発につながっている。 高度に正確なモデルを学ぶには、大量の注釈付きイメージを持つデータセットの可用性に依存する。 このため、ラベルスカースデータセットに視覚的に異なる画像がある場合、モデルの性能は大幅に低下する。
  論文  参考訳（メタデータ） (2021-05-27T23:34:06Z)
• Analysing the Effect of Clarifying Questions on Document Ranking in Conversational Search [10.335808358080289]
  質問の明確化とユーザの回答の相違がランキングの質に与える影響について検討する。 単純な語彙ベースラインを導入し、既存のナイーブベースラインを著しく上回ります。
  論文  参考訳（メタデータ） (2020-08-09T12:55:16Z)
• Claim Check-Worthiness Detection as Positive Unlabelled Learning [53.24606510691877]
  クレームチェックの信頼性検出はファクトチェックシステムにおいて重要な要素である。 これらの課題の根底にあるクレームチェックの信頼性検出における中心的な課題を照明する。 我々の最良の手法は、正の非競合学習の変種を用いて、これを自動的に修正する統一的なアプローチである。
  論文  参考訳（メタデータ） (2020-03-05T16:06:07Z)

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。