.png){kind=icon}
返回
TFGIN: Tight-Fitting Graph Inference Network for Table-based Fact Verification
.png){kind=icon}
PRE
AI
DOI：10.1145/3734520.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
近年来，由于互联网上虚假新闻的泛滥传播，事实核查任务已成为一个重要的研究方向。基于非结构化数据（即新闻）的任务已取得显著进展，但基于结构化数据（即表格）的任务仍处于初级发展阶段。现有方法通常围绕陈述子图、表格子图和程序子图构建完整异构图网络，然后通过推断学习网络上的相似语义以进行事实核查。然而，这些方法通常直接连接子图间内容相同的节点以构建更大的图网络，导致连接稀疏问题严重，尤其是在子图语义有限的情况下。针对这一问题，我们提出了紧耦合图推断网络（TFGIN），创新性地构建紧耦合图（TF-graphs）以强化子图连接，并设计了推断建模层（IML）以学习事实核查的连贯性证据。具体而言，与传统的连接方式不同，所构建的TF-graph通过子图分割和交互引导机制增强了子图间的跨图与同图连接。IML能够推理具有强相关性及高一致性的语义作为可解释的证据。在三个竞争性数据集上的实验验证了TFGIN的优越性和可扩展性。
期刊
IF:
9.1
论文数:
1.2K
被引数:
4.7K
机构
暂无机构信息
.png){kind=icon}
