长距语义挖掘
将声明与证据建模为图结构并进行邻域传播，能够捕获分散片段间的长距离依赖并减少信息冗余，从而提升检测性能。
Junfei, Wu · Weizhi, Xu · 刘强 · 吴书 · 王亮
IEEE Transactions on Knowledge and Data Engineering 2023
将声明和证据建模为图，通过邻域传播捕捉分散在长文本中的相关片段，而不受序列模型长距离遗忘的限制。
通过图结构学习去除证据中的无用或有害冗余，只保留对真实性判别有用的细粒度语义，从而提升交互模块的准确性。
利用带对抗增强实例的有监督对比学习充分利用数据，提高表示的分离性和可靠性，使其对局部证据不敏感。
在多个数据集上的综合实验验证了该模型优于现有最优方法，图结构语义挖掘与对比学习均被证明有效。