申请/专利权人：北京信息科技大学

申请日：2023-12-28

公开（公告）日：2024-03-29

公开（公告）号：CN117786112A

主分类号：G06F16/35

分类号：G06F16/35;G06F40/30;G06N3/045;G06F40/151;G06N5/04

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.16#实质审查的生效;2024.03.29#公开

摘要：本发明公开了一种大语言模型驱动的立场感知事实核查方法，涉及自然语言处理技术领域，首先，使用大语言模型推理并生成一系列与原始声明立场不同的辩证声明，使事实核查任务能够获取不同立场的视角，其次，通过语义相似度计算，分别衡量了每个证据句子与原始声明及辩证声明之间的相关性，并从中选择了与两者语义上最相近的k个句子，以作为支持或反对原始声明的证据，该步骤获得了代表不同立场的证据，有助于事实核查模型综合多角度的信息，从而更准确地评估声明的真实性，最后，引入了BERT‑StuSE模型，利用多头注意力机制充分融合证据的语义和立场信息，并对声明和证据的关系进行更全面、客观的判断。

主权项：1.一种大语言模型驱动的立场感知事实核查方法，其特征在于，包括以下步骤：步骤一：辩证声明的生成；将原始声明与Prompt相结合作为ChatGPT的输入，通过Prompt理解原始声明所代表的立场倾向，并在此基础上构思出一个能够反驳原始声明立场的辩证语句，同时补充必要的细节支撑该辩证声明的观点，通过这种设定，ChatGPT能够输出与原始声明在立场上存在相对关系的辩证声明，从而为事实判断模型提供反映不同视角的文本；步骤二：证据选择；计算了每个证据句子与原始声明和辩证声明的语义相似度，并分别选择与两语句语义关联最密切的前k个句子k＝3，作为支持原始声明的正向证据和支持辩证声明的反向证据，首先，将每个证据句子与原始声明、辩证声明两两组合输入SimBert，计算语义向量间的相似度，经过汇集整理得到两个相似度列表，为后续的立场推断提供依据；步骤三：立场特征提取；通过设计高斯核转换、平均池化和作差取绝对值转换机制，将与两个声明的语义相似度转换为一个能直观反映证据总体立场倾向的特征，这种方法可获取到证据文本的立场信息，为后续的声明与证据关系的判断提供可靠依据；具体的，每个证据Si与两个声明的语义相似度Si,o和Si,d，在一定程度上可以反映其对原始声明co和辩证声明cd的支撑力度，其中，Si,d的值越高，该证据对辩证声明的支撑力度越大，意味着其对原始声明的反对倾向就越明显；步骤四：语义与立场特征融合预测；通过BERT-StuSE模型融合证据文本的立场特征与语义特征，在预测时兼顾证据文本的语义和立场信息，使BERT-StuSE模型同时考虑了语义信息和立场信息，并在多个关注模式下学习如何融合这两种信息，最后，生成的加权和被输入到线性层MLP中，以生成最终的核查结果，最后，该模型进行了fine-tuning训练以适应下游的事实核查任务。

全文数据：

权利要求：

百度查询： 北京信息科技大学 一种大语言模型驱动的立场感知事实核查方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD