論文の概要: FactAppeal: Identifying Epistemic Factual Appeals in News Media
- arxiv url: http://arxiv.org/abs/2510.10627v1
- Date: Sun, 12 Oct 2025 14:14:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-14 18:06:30.038205
- Title: FactAppeal: Identifying Epistemic Factual Appeals in News Media
- Title（参考訳）: FactAppeal: ニュースメディアにおけるてんかんの訴えの特定
- Authors: Guy Mor-Lan, Tamir Sheafer, Shaul R. Shenhav,
- Abstract要約: 疫学的上訴の特定は、事実が外部の資料や証拠によって固定されているかどうかを特定する。
本稿では,3,226の英語ニュース文を手動で注釈付けしたデータセットであるFactAppealを紹介する。
- 参考スコア（独自算出の注目度）: 1.6822770693792826
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: How is a factual claim made credible? We propose the novel task of Epistemic Appeal Identification, which identifies whether and how factual statements have been anchored by external sources or evidence. To advance research on this task, we present FactAppeal, a manually annotated dataset of 3,226 English-language news sentences. Unlike prior resources that focus solely on claim detection and verification, FactAppeal identifies the nuanced epistemic structures and evidentiary basis underlying these claims and used to support them. FactAppeal contains span-level annotations which identify factual statements and mentions of sources on which they rely. Moreover, the annotations include fine-grained characteristics of factual appeals such as the type of source (e.g. Active Participant, Witness, Expert, Direct Evidence), whether it is mentioned by name, mentions of the source's role and epistemic credentials, attribution to the source via direct or indirect quotation, and other features. We model the task with a range of encoder models and generative decoder models in the 2B-9B parameter range. Our best performing model, based on Gemma 2 9B, achieves a macro-F1 score of 0.73.
- Abstract（参考訳）: 事実の主張はどのように信用できたか。
本稿では,外的資料や証拠によって事実が固定されているかどうかを識別する,先天的上訴識別の新しい課題を提案する。
この課題について研究を進めるために,3,226の英語ニュース文を手動でアノテートしたFactAppealを提案する。
クレームの検出と検証のみに焦点を当てた以前のリソースとは異なり、FactAppealはこれらのクレームの根底にあるニュアンスド・エピステマティックな構造と明確な基盤を特定し、それらをサポートするために使用した。
FactAppealには、事実のステートメントと、それらが依存するソースの言及を識別する、スパンレベルのアノテーションが含まれている。
さらに、アノテーションには、ソースの種類(例えばActive Participant、Witness、Expert、Direct Evidence)、名前で言及されているかどうか、ソースの役割と疫学的資格の言及、直接的または間接的な引用によるソースへの帰属、その他の特徴などの、事実的魅力のきめ細かい特徴が含まれている。
2B-9Bパラメータ範囲のエンコーダモデルと生成デコーダモデルを用いてタスクをモデル化する。
Gemma 2 9Bをベースとしたベストパフォーマンスモデルでは,マクロF1スコアが0.73である。
関連論文リスト
- The Missing Parts: Augmenting Fact Verification with Half-Truth Detection [20.011177314734887]
多くの現実世界の主張は半真実であり、実際は正しいが、批判的な文脈が欠落しているために誤解を招く。
我々は,半真実検出の課題を紹介し,文レベルの証拠アライメントと推論されたクレーム意図を付加した15kの政治的クレームを備えた新しいベンチマークであるPolitiFact-Hiddenを提案する。
提案するTRACERは,エビデンスを整理し,インプリートを推定し,隠されたコンテンツの因果的影響を推定することにより,省略に基づく誤報を識別するモジュラー・リアセスメント・フレームワークである。
論文 参考訳（メタデータ） (2025-08-01T10:06:38Z) - Document Attribution: Examining Citation Relationships using Large Language Models [62.46146670035751]
そこで本研究では,帰属を簡単なテキスト・エンタテインメント・タスクとみなすゼロショット・アプローチを提案する。
また,アトリビューションプロセスの強化におけるアテンションメカニズムの役割についても検討する。
論文 参考訳（メタデータ） (2025-05-09T04:40:11Z) - AFaCTA: Assisting the Annotation of Factual Claim Detection with Reliable LLM Annotators [38.523194864405326]
AFaCTAは、事実主張のアノテーションを支援する新しいフレームワークである。
AFaCTAは、3つの事前定義された推論経路に沿って、アノテーションの信頼度を一貫性で調整する。
PoliClaimは、さまざまな政治的トピックにまたがる包括的なクレーム検出データセットである。
論文 参考訳（メタデータ） (2024-02-16T20:59:57Z) - 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) - AmbiFC: Fact-Checking Ambiguous Claims with Evidence [57.7091560922174]
実世界の情報ニーズから10kクレームを抽出したファクトチェックデータセットであるAmbiFCを提示する。
アンビFCの証拠に対する主張を比較する際に,曖昧さから生じる不一致を分析した。
我々は,このあいまいさをソフトラベルで予測するモデルを開発した。
論文 参考訳（メタデータ） (2021-04-01T17:40:08Z)
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。