ترجمه فارسی مقاله واقعیت یا داستان؟بهبود تأیید واقعیت با نمودارهای دانش از طریق بازیابی زیرگراف ساده

چکیده

Despite recent success in natural language processing (NLP), fact verification still remains a difficult task. Due to misinformation spreading increasingly fast, attention has been directed towards automatically verifying the correctness of claims. In the domain of NLP, this is usually done by training supervised machine learning models to verify claims by utilizing evidence from trustworthy corpora. We present efficient methods for verifying claims on a dataset where the evidence is in the form of structured knowledge graphs. We use the FactKG dataset, which is constructed from the DBpedia knowledge graph extracted from Wikipedia. By simplifying the evidence retrieval process, from fine-tuned language models to simple logical retrievals, we are able to construct models that both require less computational resources and achieve better test-set accuracy.

چکیده به فارسی (ترجمه ماشینی)

با وجود موفقیت اخیر در پردازش زبان طبیعی (NLP) ، تأیید واقعیت هنوز یک کار دشوار است.به دلیل انتشار نادرست به طور فزاینده ای ، توجه به سمت تأیید خودکار صحت ادعاها به آن توجه شده است.در حوزه NLP ، این کار معمولاً با آموزش مدل های یادگیری ماشین تحت نظارت انجام می شود تا ادعاها را با استفاده از شواهد شرکت قابل اعتماد تأیید کند.ما روشهای کارآمد برای تأیید ادعاها در یک مجموعه داده را ارائه می دهیم که شواهد در قالب نمودارهای دانش ساخت یافته است.ما از مجموعه داده FactKG استفاده می کنیم ، که از نمودار دانش dbpedia ساخته شده از ویکی پدیا ساخته شده است.با ساده کردن فرآیند بازیابی شواهد ، از مدل های زبان خوب تنظیم شده گرفته تا بازیابی منطقی ساده ، ما قادر به ساخت مدل هایی هستیم که هر دو به منابع محاسباتی کمتری نیاز دارند و به دقت مجموعه ای بهتر دست می یابند.