FarFetched: Entity-centric Reasoning and Claim Validation for the Greek Language based on Textually Represented Environments

我们在面对洪水般的在线信息时，集体的注意力跨度缩短了。我们通过 \textit{FarFetched} 来解决自动化声明验证的需求，该需求基于多个在线新闻来源的聚合证据。我们引入了一个以实体为中心的推理框架，通过实体提及来揭示事件、行动或声明之间的潜在联系，并在图形数据库中进行表示。使用实体链接和语义相似性，我们提供了一种从不同来源收集和结合信息的方法，以生成与用户声明相关的证据。然后，我们利用文本蕴含识别来定量确定该断言是否可信，基于所创建的证据。我们的方法试图填补自动声明验证在资源较少的语言中的空白，并在希腊语言上展示了，同时训练与之相关的语义文本相似性（STS）和自然语言推理（NLI）模型，并在常见基准的翻译版本上进行评估。

FarFetched: A Framework for Automated Claim Validation Based on Entity-Centric Reasoning

使用实体链接和语义相似性收集和组合来自不同来源的信息，生成与用户声明相关的证据，并利用文本蕴含识别定量确定该断言是否可信。

该论文介绍了一个实体中心推理框架，通过实体提及在图形数据库中揭示事件、行动或语句之间的潜在联系，试图填补自动声明验证方面的空白。该方法在希腊语上进行了展示，使用了相关的语义文本相似性和自然语言推理模型，并在常见基准的翻译版本上进行了评估。

最近的相关研究包括： 1. 'FEVER: a large-scale dataset for Fact Extraction and VERification' by Thorne et al. 2. 'ClaimBuster: The First-ever End-to-End Fact-checking System' by Hassan et al. 3. 'Veracity: Real-time Rumor Debunking from Multimedia Content' by Zhao et al.