【微软】利用知识图谱提高抽象摘要的事实正确性，Boosting Factual Correctness

摘要的一个常见问题是文章中事实信息的失真或捏造。摘要和原文之间的这种不一致引起了对其适用性的各种关切。在这篇文章中，我们提出通过知识的融合来提高总结的事实正确性，即从文章中提取事实关系。我们提出了一个事实感知的摘要模型FASum。该模型通过神经图计算将知识信息有机地集成到摘要生成过程中，有效地提高了事实的正确性。实验结果表明，在独立训练的事实正确性评估者和人工评估下，与最先进的摘要摘要系统相比，FASum生成的摘要具有更高的事实正确性。例如，在CNN/DailyMail数据集中，FASum的事实正确性得分比UniLM高1.2%，比BottomUp高4.5%。

https://arxiv.org/abs/2003.08612

专知便捷查看

便捷下载，请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“BFC” 就可以获取《【微软】利用知识图谱提高抽象摘要的事实正确性，Boosting Factual Correctness》专知下载链接

专知，专业可信的人工智能知识分发，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取5000+AI主题干货知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程资料和与专家交流咨询！

点击“阅读原文”，了解使用专知，查看获取5000+AI主题知识资源