論文の概要: Supporting Automated Fact-checking across Topics: Similarity-driven Gradual Topic Learning for Claim Detection

• arxiv url: http://arxiv.org/abs/2411.05460v1
• Date: Fri, 08 Nov 2024 10:24:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-11 14:54:46.098401
• Title: Supporting Automated Fact-checking across Topics: Similarity-driven Gradual Topic Learning for Claim Detection
• Title（参考訳）: トピック間でのFact-checkの自動チェック支援:類似性駆動型グラデーショナルトピック学習によるクレーム検出
• Authors: Amani S. Abumansour, Arkaitz Zubiaga,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 10.80303881266859
• License:
• Abstract: Selecting check-worthy claims for fact-checking is considered a crucial part of expediting the fact-checking process by filtering out and ranking the check-worthy claims for being validated among the impressive amount of claims could be found online. The check-worthy claim detection task, however, becomes more challenging when the model needs to deal with new topics that differ from those seen earlier. In this study, we propose a domain-adaptation framework for check-worthy claims detection across topics for the Arabic language to adopt a new topic, mimicking a real-life scenario of the daily emergence of events worldwide. We propose the Gradual Topic Learning (GTL) model, which builds an ability to learning gradually and emphasizes the check-worthy claims for the target topic during several stages of the learning process. In addition, we introduce the Similarity-driven Gradual Topic Learning (SGTL) model that synthesizes gradual learning with a similarity-based strategy for the target topic. Our experiments demonstrate the effectiveness of our proposed model, showing an overall tendency for improving performance over the state-of-the-art baseline across 11 out of the 14 topics under study.
• Abstract（参考訳）: 事実確認のチェック価値のあるクレームを選択することは、オンラインで見られる膨大な量のクレームのうち、チェックに値するクレームをフィルタリングしてランク付けすることで、事実確認プロセスの迅速化の重要な部分だと考えられている。 しかし、チェック価値のあるクレーム検出タスクは、モデルが以前のものとは異なる新しいトピックを扱う必要がある場合、さらに困難になる。 そこで本研究では,アラビア語が新たな話題を取り入れるために,世界規模の事象発生の現実的なシナリオを模した,チェック価値のある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。 学習過程のいくつかの段階において,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し,学習能力を徐々に構築するグラデーショナ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。 本実験は,提案モデルの有効性を実証し,14項目中11項目において,最先端のベースラインよりも全体的な性能向上傾向を示した。

関連論文リスト

• A Comprehensive Review of Few-shot Action Recognition [64.47305887411275]
  アクション認識は、複雑で可変なビデオデータを手動でラベル付けすることのコストと非現実性に対処することを目的としている。 ビデオ中の人間のアクションを正確に分類するには、クラスごとにいくつかのラベル付き例だけを使用する必要がある。
  論文  参考訳（メタデータ） (2024-07-20T03:53:32Z)
• Detecting Statements in Text: A Domain-Agnostic Few-Shot Solution [1.3654846342364308]
  最先端のアプローチは通常、作成にコストがかかる大規模な注釈付きデータセット上の微調整モデルを含む。 本稿では,クレームに基づくテキスト分類タスクの共通パラダイムとして,定性的で多目的な少ショット学習手法の提案とリリースを行う。 本手法は,気候変動対策,トピック/スタンス分類,うつ病関連症状検出の3つの課題の文脈で説明する。
  論文  参考訳（メタデータ） (2024-05-09T12:03:38Z)
• Understanding Retrieval-Augmented Task Adaptation for Vision-Language Models [29.75562085178755]
  本研究は,検索強化適応におけるキーコンポーネントの役割を理解するための体系的な研究である。 単モーダルおよびクロスモーダル検索に関する新たな知見を明らかにし,ロジットアンサンブルの有効適応における重要な役割を強調した。
  論文  参考訳（メタデータ） (2024-05-02T16:59:05Z)
• Scalable Language Model with Generalized Continual Learning [58.700439919096155]
  The Joint Adaptive Re-ization (JARe) is integrated with Dynamic Task-related Knowledge Retrieval (DTKR) to enable adapt adjust of language model based on specific downstream task。 提案手法は,様々なバックボーンやベンチマーク上での最先端性能を実証し,最小限の忘れを伴い,フルセットおよび少数ショットのシナリオにおいて効果的な連続学習を実現する。
  論文  参考訳（メタデータ） (2024-04-11T04:22:15Z)
• Topic-Selective Graph Network for Topic-Focused Summarization [0.0]
  トピック弧認識とトピック選択グラフネットワークを提案する。 第一に、トピック・アーク認識の目的は、モデルのトピックを識別する能力を持つ訓練をモデル化するために使用される。 トピック選択グラフネットワークは、トピックアーク認識の結果に基づいて、文に対してトピック誘導のクロスインタラクションを行うことができる。
  論文  参考訳（メタデータ） (2023-02-25T15:56:06Z)
• Check-worthy Claim Detection across Topics for Automated Fact-checking [21.723689314962233]
  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。
  論文  参考訳（メタデータ） (2022-12-16T14:54:56Z)
• Task Formulation Matters When Learning Continually: A Case Study in Visual Question Answering [58.82325933356066]
  継続的な学習は、以前の知識を忘れずに、一連のタスクでモデルを漸進的にトレーニングすることを目的としている。 本稿では,視覚的質問応答において,異なる設定がパフォーマンスに与える影響について詳細に検討する。
  論文  参考訳（メタデータ） (2022-09-30T19:12:58Z)
• 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)
• Active Learning for Sequence Tagging with Deep Pre-trained Models and Bayesian Uncertainty Estimates [52.164757178369804]
  自然言語処理のためのトランスファーラーニングとアクティブラーニングの最近の進歩は、必要なアノテーション予算を大幅に削減する可能性を開く。 我々は,様々なベイズ不確実性推定手法とモンテカルロドロップアウトオプションの実験的研究を,アクティブ学習フレームワークで実施する。 また, 能動学習中にインスタンスを取得するためには, 完全サイズのトランスフォーマーを蒸留版に置き換えることにより, 計算性能が向上することを示した。
  論文  参考訳（メタデータ） (2021-01-20T13:59:25Z)
• Dialogue Response Selection with Hierarchical Curriculum Learning [52.3318584971562]
  対話応答選択のためのマッチングモデルの学習について検討する。 近年,ランダムなネガティブは信頼度の高いモデルを学習するには自明すぎることが判明し,階層的なカリキュラム学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-12-29T14:06:41Z)

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。