Quin

Quin

Ein benutzerfreundliches Framework für die umfassende Überprüfung von Fakten und die Beantwortung von Fragen. [Demo]

Verwendung

Das Projekt wurde mit Python 3.7 getestet. Für den Aufbau und die Durchführung:

1. Laden Sie die Modellgewichte herunter und extrahieren Sie sie in den Ordner models/weights :

• NLI-Modell und
• Dense Encoder M (Multitasking für Qualitätssicherung und Faktenprüfung) oder
• Dense Encoder FC (Einzelaufgabe zur Faktenprüfung) oder
• Dense Encoder QA (Einzelaufgabe zur Beantwortung von Fragen)

2. Installieren Sie die erforderlichen Pakete:

 pip3 install -r requirements.txt

3. Indizieren Sie eine Liste von Dokumenten:

 python quin.py --index example_docs.jsonl

4. Stellen Sie eine Flask-API bereit:

 python quin.py --port 1234

Datensätze

• Factual-NLI-Datensatz
• COVID-19-Nachrichtendatensatz

Referenzen

 @inproceedings{samarinas2021improving,
  title={Improving Evidence Retrieval for Automated Explainable Fact-Checking},
  author={Samarinas, Chris and Hsu, Wynne and Lee, Mong Li},
  booktitle={Proceedings of the 2021 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies: Demonstrations},
  pages={84--91},
  year={2021}
}

@inproceedings{samarinas2020latent,
  title={Latent Retrieval for Large-Scale Fact-Checking and Question Answering with NLI training},
  author={Samarinas, Chris and Hsu, Wynne and Lee, Mong Li},
  booktitle={2020 IEEE 32nd International Conference on Tools with Artificial Intelligence (ICTAI)},
  pages={941--948},
  year={2020},
  organization={IEEE}
}

Lizenz

Quin ist unter der MIT-Lizenz und der Factual-NLI-Datensatz unter der Attribution 4.0 International (CC BY 4.0)-Lizenz lizenziert.