摘要

随着在线信息的爆炸性增长，人们的注意力变得越来越有限。FarFetched是一项针对希腊语的基于文本环境实体中心推理和声明验证的创新研究。该研究通过从多个在线新闻源收集证据，利用实体链接和语义相似性技术，自动验证用户声明的真实性。FarFetched不仅填补了资源较少语言在自动声明验证方面的空白，还通过训练相关的语义文本相似性（STS）和自然语言推理（NLI）模型，展示了其在希腊语中的应用前景。

原理

FarFetched的核心工作原理是构建一个实体中心的推理框架，通过识别和链接文本中的实体，揭示事件、行动或声明之间的潜在联系。该框架利用实体链接技术解析实体提及的词汇歧义，并确定其在上下文中的意义。通过语义相似性比较，系统能够从多样化的来源中收集和整合相关信息，生成与用户声明相关的证据。最后，利用自然语言推理技术，系统可以量化地判断声明是否可信，基于所创建的证据。

流程

FarFetched的工作流程包括几个关键步骤：首先，系统定期从新闻文章中爬取数据并注释其上下文中的命名实体。当用户提出声明时，系统根据声明与存储内容的语义相似性，提取相关子集作为候选证据。每个候选证据与声明进行文本相似性比较，以确定最相关的证据（前提），然后在一个自然语言推理设置中推理声明（假设）的有效性。例如，在图1中展示了一个基于聚合证据的声明验证示例。

应用

FarFetched的应用前景广泛，特别适用于需要验证声明真实性的场景，如新闻验证、社交媒体监控和学术研究。由于其模块化架构，FarFetched可以轻松适应任何语言，前提是存在相应的预训练模型。此外，随着技术的进一步发展，FarFetched有望在多语言环境中实现更高效和准确的声明验证。