事実検証（Fact Verification: FV）は、平文から関連する証拠を抽出し、その証拠を使用して与えられた主張を検証するという課題であり、多くの主張は検証のために複数の証拠を同時に統合し推論する必要がある。しかし、これまでの研究では、証拠同士が情報を共有しない単純なモデルを使用して情報を取り出すことが行われており、例えば単に証拠を連結して処理するだけである。したがって、これらの方法は証拠間の十分な関係性や論理性の情報を捉えることができない。この問題を緩和するために、我々はグラフベースの証拠集約と推論（Graph-based Evidence Aggregating and Reasoning: GEAR）フレームワークを提案する。このフレームワークは、完全に接続された証拠グラフ上で情報を転送させることができ、さらに異なる集約器を使用して多証拠情報を収集する。また、BERTという効果的な事前学習言語表現モデルも使用することで性能向上を目指す。大規模ベンチマークデータセットFEVERでの実験結果により、GEARが多証拠情報を活用してFVを行うことができることを示しており、テストFEVERスコア67.10%という有望な結果を得ている。当該コードはhttps://github.com/thunlp/GEARで公開されている。以上が翻訳となります。ご確認ください。