JustiLM: Few-shot Justification Generation for Explainable Fact-Checking of Real-world Claims

要約

正当化とは、事実確認において主張に割り当てられた真実性を裏付ける説明です。
ただし、正当化の生成タスクは、以前はファクトチェッカーによって作成されたファクトチェック記事の要約として過度に単純化されていました。
したがって、我々は、取得された証拠に基づいて正当化を生成するための現実的なアプローチを提案します。
私たちは、現実世界の \underline{Claim} の \underline{Ex}明白なファクトチェックのための ExClaim と呼ばれる新しいベンチマーク データセットを紹介し、検索拡張に基づく新しい少数ショット \underline{Justi}fication 生成である JustiLM を紹介します。
\underline{L}anguage \underline{M}odel は、トレーニング中にのみ補助リソースとしてファクトチェック記事を使用します。
実験では、JustiLM が強力なベースラインと比較して正当化生成において有望なパフォーマンスを達成し、直接的な拡張により真実性分類を強化できることを示しています。

要約(オリジナル)

Justification is an explanation that supports the veracity assigned to a claim in fact-checking. However, the task of justification generation is previously oversimplified as summarization of fact-check article authored by fact-checkers. Therefore, we propose a realistic approach to generate justification based on retrieved evidence. We present a new benchmark dataset called ExClaim for \underline{Ex}plainable fact-checking of real-world \underline{Claim}s, and introduce JustiLM, a novel few-shot \underline{Justi}fication generation based on retrieval-augmented \underline{L}anguage \underline{M}odel by using fact-check articles as auxiliary resource during training only. Experiments show that JustiLM achieves promising performance in justification generation compared to strong baselines, and can also enhance veracity classification with a straightforward extension.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google