Quin

ควิน

กรอบการทำงานที่ใช้งานง่ายสำหรับการตรวจสอบข้อเท็จจริงและการตอบคำถามในวงกว้าง [สาธิต]

การใช้งาน

โครงการได้รับการทดสอบด้วย Python 3.7 สำหรับการตั้งค่าและการดำเนินการ:

1. ดาวน์โหลดตุ้มน้ำหนักแบบจำลองและแยกลงในโฟลเดอร์ models/weights :

• แบบจำลอง NLI และ
• Dense Encoder M (มัลติทาสก์สำหรับ QA และการตรวจสอบข้อเท็จจริง) หรือ
• Dense Encoder FC (งานเดียวสำหรับการตรวจสอบข้อเท็จจริง) หรือ
• Dense Encoder QA (งานเดียวสำหรับการตอบคำถาม)

2. ติดตั้งแพ็คเกจที่จำเป็น:

 pip3 install -r requirements.txt

3. จัดทำดัชนีรายการเอกสาร:

 python quin.py --index example_docs.jsonl

4. ให้บริการ Flask API:

 python quin.py --port 1234

ชุดข้อมูล

• ชุดข้อมูล Factual-NLI
• ชุดข้อมูลข่าวโควิด-19

อ้างอิง

 @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}
}

ใบอนุญาต

Quin ได้รับอนุญาตภายใต้ใบอนุญาต MIT และชุดข้อมูล Factual-NLI ภายใต้ใบอนุญาต Attribution 4.0 International (CC BY 4.0)