論文の概要: GraphCheck: Multi-Path Fact-Checking with Entity-Relationship Graphs

• arxiv url: http://arxiv.org/abs/2502.20785v1
• Date: Fri, 28 Feb 2025 07:06:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-03 13:42:36.762237
• Title: GraphCheck: Multi-Path Fact-Checking with Entity-Relationship Graphs
• Title（参考訳）: GraphCheck: エンティティ関連グラフによるマルチパスFact-Checking
• Authors: Hyewon Jeon, Jay-Yoon Lee,
• Abstract要約: GraphCheckは、クレームをエンティティ関係グラフに変換して包括的な検証を行う、新しいフレームワークである。 本稿では,DP-GraphCheckを提案する。DP-GraphCheckは,直接プロンプトを初期フィルタリングステップとして組み込むことで,性能を向上させる2段階の変種である。 当社の2段階フレームワークは、他のファクトチェックパイプラインを一般化して、その汎用性を実証しています。
• 参考スコア（独自算出の注目度）: 5.10832476049103
• License:
• Abstract: Automated fact-checking aims to assess the truthfulness of text based on relevant evidence, yet verifying complex claims requiring multi-hop reasoning remains a significant challenge. We propose GraphCheck, a novel framework that converts claims into entity-relationship graphs for comprehensive verification. By identifying relation between explicit entities and latent entities across multiple paths, GraphCheck enhances the adaptability and robustness of verification. Furthermore, we introduce DP-GraphCheck, a two-stage variant that improves performance by incorporating direct prompting as an initial filtering step. Experiments on the HOVER and EX-FEVER datasets show that our approach outperforms existing methods, particularly in multi-hop reasoning tasks. Furthermore, our two-stage framework generalizes well to other fact-checking pipelines, demonstrating its versatility.
• Abstract（参考訳）: 自動ファクトチェックは、関連する証拠に基づいてテキストの真正性を評価することを目的としているが、マルチホップ推論を必要とする複雑なクレームを検証することは大きな課題である。 包括的な検証のために,請求項をエンティティ関係グラフに変換する新しいフレームワークであるGraphCheckを提案する。 明示的なエンティティと複数のパスにわたる潜在エンティティの関係を識別することにより、GraphCheckは検証の適応性と堅牢性を高める。 さらに,DP-GraphCheckも導入した。DP-GraphCheckは,直接プロンプトを初期フィルタリングのステップとして組み込むことにより,性能を向上させる。 HOVERデータセットとEX-FEVERデータセットの実験により、我々のアプローチは既存の手法、特にマルチホップ推論タスクよりも優れていることが示された。 さらに、当社の2段階フレームワークは、他のファクトチェックパイプラインを一般化し、その汎用性を実証しています。

関連論文リスト

• Trust but Verify: Programmatic VLM Evaluation in the Wild [62.14071929143684]
  プログラム型VLM評価(Programmatic VLM Evaluation、PROVE)は、オープンなクエリに対するVLM応答を評価するための新しいベンチマークパラダイムである。 我々は,PROVE上でのVLMの有効性-実効性トレードオフをベンチマークした結果,両者のバランスが良好であることは極めて少ないことがわかった。
  論文  参考訳（メタデータ） (2024-10-17T01:19:18Z)
• VSFormer: Mining Correlations in Flexible View Set for Multi-view 3D Shape Understanding [9.048401253308123]
  本稿では,複数の視点に対するフレキシブルな組織と明示的な相関学習について検討する。 我々は,集合内のすべての要素の対関係と高次相関を明示的に捉えるために,emphVSFormerというニブルトランスフォーマーモデルを考案した。 ModelNet40、ScanObjectNN、RGBDなど、さまざまな3D認識データセットの最先端結果に到達している。
  論文  参考訳（メタデータ） (2024-09-14T01:48:54Z)
• CVTGAD: Simplified Transformer with Cross-View Attention for Unsupervised Graph-level Anomaly Detection [11.282629706121039]
  教師なしグラフレベルの異常検出のためのクロスビューアテンション付きトランスフォーマーを提案する。 受信フィールドを拡大するために,グラフ内およびグラフ間の両方の観点からノード/グラフ間の関係を利用する,簡易なトランスフォーマベースモジュールを構築した。 我々は、異なるビュー間のビュー共起を直接利用し、ノードレベルとグラフレベルでのビュー間ギャップを埋めるために、クロスビューアテンション機構を設計する。
  論文  参考訳（メタデータ） (2024-05-03T03:31:00Z)
• Single-Stage Visual Relationship Learning using Conditional Queries [60.90880759475021]
  TraCQは、マルチタスク学習問題とエンティティペアの分布を回避する、シーングラフ生成の新しい定式化である。 我々は,DETRをベースとしたエンコーダ-デコーダ条件付きクエリを用いて,エンティティラベル空間を大幅に削減する。 実験結果から、TraCQは既存のシングルステージシーングラフ生成法よりも優れており、Visual Genomeデータセットの最先端の2段階メソッドを多く上回っていることがわかった。
  論文  参考訳（メタデータ） (2023-06-09T06:02:01Z)
• Doc2SoarGraph: Discrete Reasoning over Visually-Rich Table-Text Documents via Semantic-Oriented Hierarchical Graphs [79.0426838808629]
  視覚的にリッチなテーブルテキスト文書に答えるTAT-DQAを提案する。 具体的には、離散推論機能を強化した新しいDoc2SoarGraphフレームワークを提案する。 我々は,TAT-DQAデータセットに関する広範な実験を行い,提案したフレームワークは,テストセット上でのエクサクティマッチ(EM)とF1スコアでそれぞれ17.73%,F1スコアで16.91%の最高のベースラインモデルを上回る結果を得た。
  論文  参考訳（メタデータ） (2023-05-03T07:30:32Z)
• Rethinking Batch Sample Relationships for Data Representation: A Batch-Graph Transformer based Approach [16.757917001089762]
  ミニバッチサンプル表現のための単純で柔軟なバッチグラフ変換器(BGFormer)を設計する。 視覚と意味の両方の観点から、画像サンプルの関係を深く捉えている。 4つの一般的なデータセットに対する大規模な実験により、提案モデルの有効性が示された。
  論文  参考訳（メタデータ） (2022-11-19T08:46:50Z)
• FactGraph: Evaluating Factuality in Summarization with Semantic Graph Representations [114.94628499698096]
  文書と要約を構造化された意味表現(MR)に分解するFactGraphを提案する。 MRは、コアセマンティックの概念とその関係を記述し、文書と要約の両方の主要な内容を標準形式で集約し、データの疎結合を減少させる。 事実性を評価するための異なるベンチマークの実験では、FactGraphは以前のアプローチよりも最大15%優れていた。
  論文  参考訳（メタデータ） (2022-04-13T16:45:33Z)
• Interactive Visual Pattern Search on Graph Data via Graph Representation Learning [20.795511688640296]
  視覚分析システムGraphQは、ループ内、サンプルベース、サブグラフパターン検索をサポートする。 高速で対話的なクエリをサポートするために、グラフニューラルネットワーク(GNN)を使用して、グラフを固定長潜在ベクトル表現としてエンコードする。 また,NuroAlignと呼ばれるノードアライメントのための新しいGNNを提案し,クエリ結果の検証と解釈を容易にする。
  論文  参考訳（メタデータ） (2022-02-18T22:30:28Z)
• A Multi-Level Attention Model for Evidence-Based Fact Checking [58.95413968110558]
  シーケンス構造をトレーニング可能な,シンプルなモデルを提案する。 Fact extract and VERification のための大規模データセットの結果、我々のモデルはグラフベースのアプローチよりも優れていることが示された。
  論文  参考訳（メタデータ） (2021-06-02T05:40:12Z)
• Weakly Supervised Visual Semantic Parsing [49.69377653925448]
  SGG(Scene Graph Generation)は、画像からエンティティ、述語、それらの意味構造を抽出することを目的としている。 既存のSGGメソッドでは、トレーニングのために何百万もの手動アノテーション付きバウンディングボックスが必要である。 本稿では,ビジュアルセマンティック・パーシング,VSPNet,グラフベースの弱教師付き学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-01-08T03:46:13Z)

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。