論文の概要: Integrating Causal Reasoning into Automated Fact-Checking

• arxiv url: http://arxiv.org/abs/2512.13286v1
• Date: Mon, 15 Dec 2025 12:56:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-16 17:54:56.665115
• Title: Integrating Causal Reasoning into Automated Fact-Checking
• Title（参考訳）: 因果推論を自動Fact-Checkingに統合する
• Authors: Youssra Rebboud, Pasquale Lisena, Raphael Troncy,
• Abstract要約: 事実チェックアプリケーションでは、クレームを拒否する一般的な理由は、プレイ中のイベント間の誤った原因・影響関係の存在を検出することである。 本稿では,事象関係の抽出,意味的類似性計算,ルールに基づく推論を組み合わせて,主張や証拠に言及された事象の連鎖間の論理的不整合を検出する手法を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In fact-checking applications, a common reason to reject a claim is to detect the presence of erroneous cause-effect relationships between the events at play. However, current automated fact-checking methods lack dedicated causal-based reasoning, potentially missing a valuable opportunity for semantically rich explainability. To address this gap, we propose a methodology that combines event relation extraction, semantic similarity computation, and rule-based reasoning to detect logical inconsistencies between chains of events mentioned in a claim and in an evidence. Evaluated on two fact-checking datasets, this method establishes the first baseline for integrating fine-grained causal event relationships into fact-checking and enhance explainability of verdict prediction.
• Abstract（参考訳）: 事実チェックアプリケーションでは、クレームを拒否する一般的な理由は、プレイ中のイベント間の誤った原因・影響関係の存在を検出することである。 しかし、現在の自動化された事実チェック手法には、専門的な因果関係に基づく推論が欠如しており、意味的に豊かな説明可能性の貴重な機会を欠いている可能性がある。 このギャップに対処するため、我々は、事象関係抽出、意味的類似性計算、ルールに基づく推論を組み合わせて、クレームやエビデンスで言及された事象の連鎖間の論理的不整合を検出する手法を提案する。 本手法は,2つのファクトチェックデータセットに基づいて,詳細な因果関係をファクトチェックに統合し,検証予測の説明可能性を高めるための最初のベースラインを確立する。

関連論文リスト

• Event Causality Identification with Synthetic Control [48.18257618831177]
  事象因果同定(ECI)は因果関係と相関を区別するために重要である。 ECIへの伝統的なアプローチは、言語パターンとマルチホップ関係推論を主に利用してきた。 本稿では,イベント因果関係の同定にRubin Causal Modelを採用する。
  論文  参考訳（メタデータ） (2025-09-16T22:05:52Z)
• Self-Compatibility: Evaluating Causal Discovery without Ground Truth [28.72650348646176]
  本研究では,基底真理が存在しない場合に因果発見アルゴリズムの出力をfalsificationする新しい手法を提案する。 我々の重要な洞察は、統計的学習がデータポイントのサブセット間の安定性を求める一方で、因果学習は変数のサブセット間の安定性を求めるべきであるということである。 本研究では,不整合性の検出が,仮定や誤差が有限なサンプル効果によって誤って因果関係を推定することを証明する。
  論文  参考訳（メタデータ） (2023-07-18T18:59:42Z)
• Towards Trustworthy Explanation: On Causal Rationalization [9.48539398357156]
  本研究では,2つの因果デシラタに基づく合理化モデルを提案する。 提案した因果合理化の優れた性能は,実世界のレビューや医療データセットで実証されている。
  論文  参考訳（メタデータ） (2023-06-25T03:34:06Z)
• Advancing Counterfactual Inference through Nonlinear Quantile Regression [77.28323341329461]
  ニューラルネットワークで実装された効率的かつ効果的な対実的推論のためのフレームワークを提案する。 提案手法は、推定された反事実結果から見つからないデータまでを一般化する能力を高める。 複数のデータセットで実施した実証実験の結果は、我々の理論的な主張に対する説得力のある支持を提供する。
  論文  参考訳（メタデータ） (2023-06-09T08:30:51Z)
• Fairness and robustness in anti-causal prediction [73.693135253335]
  分散シフトと公平性に対するロバストさは、機械学習モデルに必要な2つの重要なデシラタとして独立に現れている。 これら2つのデシダラタは関連しているように見えるが、実際にはその関連性はしばしば不明である。 この観点から見れば、共通フェアネス基準(分離)とロバストネスの共通概念との明確な関係を描いています。
  論文  参考訳（メタデータ） (2022-09-20T02:41:17Z)
• Logical Satisfiability of Counterfactuals for Faithful Explanations in NLI [60.142926537264714]
  本稿では, 忠実度スルー・カウンタファクトの方法論について紹介する。 これは、説明に表される論理述語に基づいて、反実仮説を生成する。 そして、そのモデルが表現された論理と反ファクトの予測が一致しているかどうかを評価する。
  論文  参考訳（メタデータ） (2022-05-25T03:40:59Z)
• Nested Counterfactual Identification from Arbitrary Surrogate Experiments [95.48089725859298]
  観測と実験の任意の組み合わせからネスト反事実の同定について検討した。 具体的には、任意のネストされた反事実を非ネストされたものへ写像できる反ファクト的非ネスト定理(英語版)(CUT)を証明する。
  論文  参考訳（メタデータ） (2021-07-07T12:51:04Z)
• Leveraging Unlabeled Data for Entity-Relation Extraction through Probabilistic Constraint Satisfaction [54.06292969184476]
  シンボリックドメイン知識の存在下でのエンティティ関係抽出の問題を研究する。 本手法では,論理文の正確な意味を捉える意味的損失を用いる。 低データ体制に焦点をあてて、セマンティックな損失がベースラインをはるかに上回ることを示す。
  論文  参考訳（メタデータ） (2021-03-20T00:16:29Z)

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。