Die Faktprüfung (FV) ist eine anspruchsvolle Aufgabe, die das Abrufen relevanter Beweise aus unstrukturiertem Text und die Verwendung dieser Beweise zur Überprüfung gegebener Aussagen erfordert. Viele Aussagen benötigen die gleichzeitige Integration und Analyse mehrerer Beweisstücke für ihre Verifizierung. Bislang verwenden jedoch vorherige Arbeiten einfache Modelle, um Informationen aus den Beweisen zu extrahieren, ohne dass diese miteinander interagieren, z.B. durch bloßes Anhängen der Beweise aneinander. Daher sind diese Methoden nicht in der Lage, ausreichende relationale und logische Informationen zwischen den Beweisen zu erfassen. Um dieses Problem zu mildern, schlagen wir ein graphbasiertes Framework zur Aggregation und Analyse von Beweisen (GEAR) vor, das es ermöglicht, Informationen über einen vollständig vernetzten Beweisgraphen zu transferieren und dann verschiedene Aggregatoren verwendet, um Mehrfachbeweisinformationen zu sammeln. Wir setzen ferner BERT ein, ein effektives prätrainiertes Modell für Sprachrepräsentation, um die Leistung zu verbessern. Experimentelle Ergebnisse auf einem großen Benchmark-Datensatz namens FEVER haben gezeigt, dass GEAR die Nutzung von Mehrfachbeweisinformationen für die Faktprüfung ermöglicht und damit vielversprechende Ergebnisse erzielt: Ein Test-FEVER-Score von 67,10 %. Unser Code ist unter https://github.com/thunlp/GEAR verfügbar.