LOREN:解釈可能な事実検証のための論理正則化推論【JST・京大機械翻訳】

Chen Jiangjie; Bao Qiaoben; Sun Changzhi; Zhang Xinbo; Chen Jiaze; Zhou Hao; Xiao Yanghua; Li Lei

プレプリント

J-GLOBAL ID：202202211464247756 整理番号：22P0003662

LOREN:解釈可能な事実検証のための論理正則化推論【JST・京大機械翻訳】

LOREN: Logic-Regularized Reasoning for Interpretable Fact Verification

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (8件)： , , , , , , ,
資料名：
発行年： 2020年12月25日プレプリントサーバーでの情報更新日： 2021年12月09日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

自然言語文法を考えると,Wikipediaのような大規模テキスト知識源に対してその真実性を検証する方法がある。ほとんどの既存のニューラルモデルは,誤ったクレームの一部が誤っている手がかりを与えることなく予測を行う。本論文では,解釈可能な事実検証のためのアプローチであるLORENを提案した。フレーズレベルにおける全クレームの検証を分解して,フレーズの真実性は説明として役立ち,論理的ルールに従って最終検証者に集約できる。LORENの鍵となる洞察は,集合論理規則によって正則化される3値潜在変数として,主張フレーズ真実性を表現することである。最終主張検証は,すべての潜在変数に基づいている。このように,LORENは解釈可能性の付加的利点を楽し,それは,それが主張フレーズ真実性によってある結果に達するかを説明するのが容易である。公開事実検証ベンチマークに関する実験は,LORENが,忠実で正確な解釈可能性の利点を楽しむ間,以前のアプローチに対して競合することを示した。LORENの資源は,https://github.com/jiangjiechen/LORENで利用可能である。【JST・京大機械翻訳】

, , , , , ,
, , , 【Automatic Indexing@JST】

人工知能

, , ,

前のページに戻る