arXiv · cs.AI· Jaeyoung Lee, Joonwon Jang, Misuk Kim·· 1 天前
层次图卷积网络用于检测低质量文档
Hierarchical Graph Convolutional Network Approach for Detecting Low-Quality Documents
arXiv:2610.21350v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Jaeyoung Lee, Joonwon Jang, Misuk Kim
期刊信息（来源提供）：Proceedings of LREC-COLING 2024, pp. 8108-8121, 2024
研究任务与主要进展
研究者提出层次图卷积网络（HGCN），用于检测文档内部不一致及标题与正文不符的低质量文档。基于公开新闻数据及其元数据构建了 Inconsistency Dataset 用于训练，模型在该数据集上达到 91.20% 的准确率，优于对比模型；在公开的 incongruent-related 数据集上达到 92.00%，消融实验证实元数据的利用对性能提升有显著影响。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org