Quin

奎因

一个易于使用的大规模事实检查和问答框架。 [演示]

用法

该项目使用 Python 3.7进行了测试。对于设置和执行：

1. 下载模型权重并将其解压到models/weights文件夹中：

• NLI 模型和
• 密集编码器 M（用于 QA 和事实检查的多任务）或
• 密集编码器 FC（用于事实检查的单任务）或
• 密集编码器 QA（问答的单任务）

2. 安装所需的软件包：

 pip3 install -r requirements.txt

3. 索引文档列表：

 python quin.py --index example_docs.jsonl

4. 提供 Flask API：

 python quin.py --port 1234

数据集

• Factual-NLI 数据集
• COVID-19 新闻数据集

参考

 @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}
}

执照

Quin 获得 MIT 许可，Factual-NLI 数据集获得 Attribution 4.0 International (CC BY 4.0) 许可。