当前，互联网信息呈现爆炸式增长，但与此同时，虚假新闻和矛盾信息也在大量泛滥。公众在海量信息面前往往难以辨别真伪，这不仅影响个人认知，更对社会秩序构成了严峻挑战。
传统的事实核查研究主要聚焦于对单一文本主张的独立验证，即给定一个孤立的陈述，去检索证据判断其真假。然而，这种范式忽略了现实世界中信息存在的两个重要特征：一是多源性——同一个事件往往有多家媒体报道；二是矛盾性——不同报道之间可能存在事实不一致。现有方法缺乏对这种跨文档矛盾的有效检测机制，无法处理多源信息之间的冲突。
所以本研究目标就是构建一个能够自动生成“多源新闻交叉验证问题”的系统。利用不同来源报道之间的事件关系差异，自动识别事实冲突，从而辅助人工事实核查工作。
1. 多源交叉验证范式：从单源验证扩展到多源交叉验证，利用报道见时间关系差异识别矛盾
2. 基于图的检索增强生成：构建结构化事件实体关系知识图谱，实现精确匹配+模糊匹配+多跳检索的快速检索增强生成
3. 多维问答对自动生成：生成理解型、证据型、反事实型、批判型多维问答对，并形成自定义框架进行问答对自动化质量评估
4. 端到端可解释流水线：完整的数据处理 → 结构化事件知识图谱构建 → 多维问答对生成 → 自动化质量评估核查
1. 本项目全部内容由作者本人完成
2. 数据处理：选取WCEP数据集进行数据清洗，去除冗余标签，仅保留事件名称及所属文章标题、文本内容。
3. 构建知识图谱：利用大语言模型逐事件逐文章提取节点及关系，构建知识图谱并转换为三元组，保存实体索引。
4. 事实核查：对Claim抽取实体，与知识图谱节点对齐，利用图检索并结合大语言模型打分进行事实核查。
5. 问答对生成：通过提示词工程对事实核查结果进行多角度问题设计构建答案并评估质量。
评论