热点事件观察中

研究者提出层次图卷积网络HGCN检测低质量文档

1 篇报道1 个报道来源1 天前更新

先了解这件事

AI 综述

Jaeyoung Lee 等研究者在 arXiv 发布论文，提出层次图卷积网络（HGCN），用于检测文档内部不一致以及标题与正文不符的低质量文档。作者基于公开新闻数据及其元数据构建了 Inconsistency Dataset 用于训练，称 HGCN 在该数据集上准确率达 91.20%，优于对比模型；在公开的 incongruent-related 数据集上达到 92.00%。消融实验显示元数据的利用对性能提升有显著影响。以上结果为论文作者声称，基于论文摘要，未见独立复现。

AI 根据报道生成 · 1 天前更新

最新进展10月16日 12:00

层次图卷积网络用于检测低质量文档

报道时间线

沿着报道，了解事件的不同侧面。

10月16日

12:00
arXiv · cs.AI
层次图卷积网络用于检测低质量文档
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。

本事件热度走势

可比范围当前: 4
可比范围峰值: 910月16日 15:00
近 24 小时变化: -51%

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。