KEViN: Ein wissensbasiertes Gültigkeits- und Neuheits-Klassifikationssystem für Argumente

Die ArgMining 2022 Shared Task befasst sich mit der Vorhersage der Gültigkeit und Neuartigkeit einer Schlussfolgerung anhand eines gegebenen Voraussetzungs- und Schlussfolgerungspaares. Wir stellen zwei auf Feed-Forward-Netzwerken basierende Modelle (KEViN1 und KEViN2) vor, die Merkmale kombinieren, die aus mehreren vortrainierten Transformers und dem WikiData-Wissensgraphen generiert werden. Die Transformers dienen zur Vorhersage von Entailment und semantischer Ähnlichkeit, während WikiData eine semantische Messung zwischen den Konzepten im Voraussetzungs-Schlussfolgerungspaar bereitstellt. Unsere vorgeschlagenen Modelle zeigen eine signifikante Verbesserung gegenüber RoBERTa, wobei KEViN1 das bessere Ergebnis erzielt und sowohl in der Subtask A als auch in der Subtask B der ArgMining 2022 Shared Task den zweiten Rang belegt.