論文の概要: Verify-in-the-Graph: Entity Disambiguation Enhancement for Complex Claim Verification with Interactive Graph Representation

• arxiv url: http://arxiv.org/abs/2505.22993v1
• Date: Thu, 29 May 2025 02:02:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-30 18:14:07.619408
• Title: Verify-in-the-Graph: Entity Disambiguation Enhancement for Complex Claim Verification with Interactive Graph Representation
• Title（参考訳）: Verify-in-the-Graph:対話型グラフ表現を用いた複雑クレーム検証のためのエンティティの曖昧さ向上
• Authors: Hoang Pham, Thanh-Do Nguyen, Khac-Hoai Nam Bui,
• Abstract要約: グラフ表現 - 入力クレームは構造化三重項に分解され、構造化情報と非構造化情報の両方を統合するグラフベースの表現を形成する。
• 参考スコア（独自算出の注目度）: 3.864321514889099
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Claim verification is a long-standing and challenging task that demands not only high accuracy but also explainability of the verification process. This task becomes an emerging research issue in the era of large language models (LLMs) since real-world claims are often complex, featuring intricate semantic structures or obfuscated entities. Traditional approaches typically address this by decomposing claims into sub-claims and querying a knowledge base to resolve hidden or ambiguous entities. However, the absence of effective disambiguation strategies for these entities can compromise the entire verification process. To address these challenges, we propose Verify-in-the-Graph (VeGraph), a novel framework leveraging the reasoning and comprehension abilities of LLM agents. VeGraph operates in three phases: (1) Graph Representation - an input claim is decomposed into structured triplets, forming a graph-based representation that integrates both structured and unstructured information; (2) Entity Disambiguation -VeGraph iteratively interacts with the knowledge base to resolve ambiguous entities within the graph for deeper sub-claim verification; and (3) Verification - remaining triplets are verified to complete the fact-checking process. Experiments using Meta-Llama-3-70B (instruct version) show that VeGraph achieves competitive performance compared to baselines on two benchmarks HoVer and FEVEROUS, effectively addressing claim verification challenges. Our source code and data are available for further exploitation.
• Abstract（参考訳）: クレーム検証は、高い正確性だけでなく、検証プロセスの説明可能性も要求する、長くかつ困難なタスクである。 現実のクレームは複雑であり、複雑なセマンティック構造や難解な実体が特徴である。 従来のアプローチでは、クレームをサブステートに分解し、隠されたまたは曖昧なエンティティを解決するために知識ベースをクエリすることで、この問題に対処する。 しかし、これらのエンティティに対する効果的な曖昧化戦略が存在しないことは、検証プロセス全体を損なう可能性がある。 これらの課題に対処するために,LLMエージェントの推論と理解能力を活用した新しいフレームワークであるVerify-in-the-Graph(VeGraph)を提案する。 グラフ表現 - 入力クレームは構造化三重項に分解され、構造化情報と非構造化情報の両方を統合するグラフベースの表現を形成する。 Meta-Llama-3-70B(インストラクタバージョン)を使った実験では、VeGraphはHoVerとFEVEROUSの2つのベンチマークのベースラインと比較して競争性能が向上し、クレーム検証の課題に効果的に対処している。 ソースコードとデータは、さらなるエクスプロイトのために利用可能です。

関連論文リスト

• Align-GRAG: Reasoning-Guided Dual Alignment for Graph Retrieval-Augmented Generation [75.9865035064794]
  大きな言語モデル(LLM)は目覚ましい能力を示しているが、幻覚や時代遅れの情報といった問題に苦戦している。 Retrieval-augmented Generation (RAG) は、情報検索システム(IR)を用いて、外部知識のLLM出力を基底にすることで、これらの問題に対処する。 本稿では、検索後句における新しい推論誘導二重アライメントフレームワークであるAlign-GRAGを提案する。
  論文  参考訳（メタデータ） (2025-05-22T05:15:27Z)
• Knowledge Graph Completion with Relation-Aware Anchor Enhancement [50.50944396454757]
  関係認識型アンカー強化知識グラフ補完法(RAA-KGC)を提案する。 まず、ヘッダーのリレーショナル・アウェア・エリア内でアンカー・エンティティを生成します。 次に、アンカーの近傍に埋め込まれたクエリを引っ張ることで、ターゲットのエンティティマッチングに対してより差別的になるように調整する。
  論文  参考訳（メタデータ） (2025-04-08T15:22:08Z)
• A Graph-based Verification Framework for Fact-Checking [25.875698681028794]
  ファクトチェックのためのグラフベースのフレームワークGraphFCを提案する。 この中核的な考え方に基づいて,ファクトチェックのためのグラフベースのフレームワークであるGraphFCを提案する。
  論文  参考訳（メタデータ） (2025-03-10T13:02:29Z)
• GraphCheck: Multi-Path Fact-Checking with Entity-Relationship Graphs [5.10832476049103]
  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。
  論文  参考訳（メタデータ） (2025-02-28T07:06:19Z)
• Unsupervised Robust Cross-Lingual Entity Alignment via Neighbor Triple Matching with Entity and Relation Texts [17.477542644785483]
  言語間エンティティアライメント(EA)は、異なる言語間での複数の知識グラフ(KG)の統合を可能にする。 近隣の3重マッチング戦略により、エンティティレベルとリレーレベルアライメントを共同で実行するEAパイプライン。
  論文  参考訳（メタデータ） (2024-07-22T12:25:48Z)
• DocTr: Document Transformer for Structured Information Extraction in Documents [36.1145541816468]
  本稿では、視覚的にリッチな文書から構造化情報を取り出すための新しい定式化について述べる。 既存のIOBタグやグラフベースの定式化の制限に対処することを目的としている。 我々は、エンティティをアンカーワードとバウンディングボックスとして表現し、エンティティリンクをアンカーワードの関連付けとして表現する。
  論文  参考訳（メタデータ） (2023-07-16T02:59:30Z)
• ExpressivE: A Spatio-Functional Embedding For Knowledge Graph Completion [78.8942067357231]
  ExpressivEは、一対の実体を点として埋め込み、仮想三重空間に超平行グラフとして関係を埋め込む。 我々は、ExpressivEが最先端のKGEと競合し、W18RRでさらに優れています。
  論文  参考訳（メタデータ） (2022-06-08T23:34:39Z)
• 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)
• GERE: Generative Evidence Retrieval for Fact Verification [57.78768817972026]
  本稿では,ジェネレーション方式で証拠を検索する最初のシステムであるGEREを提案する。 FEVERデータセットの実験結果は、GEREが最先端のベースラインよりも大幅に改善されていることを示している。
  論文  参考訳（メタデータ） (2022-04-12T03:49:35Z)

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。