Team UMBC-FEVER : Claim verification using Semantic Lexical Resources
Team UMBC-FEVER : Claim verification using Semantic Lexical Resources
复制标题
DOI：
10.18653/v1/w18-5527
复制
发表时间：
2018-11
期刊：
影响因子：
--
通讯作者：
Ankur Padia;Francis Ferraro;Timothy W. Finin
中科院分区：
文献类型：
--
作者：
Ankur Padia;Francis Ferraro;Timothy W. Finin
我们描述了 2018 年 FEVER 共享任务中使用的系统。该系统采用基于框架的信息检索方法来选择提供证据的维基百科句子，并使用两层多层感知器将声明分类为正确或错误。我们提交的内容在 Evidence F1 指标上得分为 0.3966，准确率为 44.79%，FEVER 得分为 0.2628 F1 分。
We describe our system used in the 2018 FEVER shared task. The system employed a frame-based information retrieval approach to select Wikipedia sentences providing evidence and used a two-layer multilayer perceptron to classify a claim as correct or not. Our submission achieved a score of 0.3966 on the Evidence F1 metric with accuracy of 44.79%, and FEVER score of 0.2628 F1 points.