KEViN：主張の妥当性と新規性を強化する知識ベースの分類器

ArgMining 2022 共同課題は、与えられた前提と結論のペアに対して、その推論の妥当性および新規性を予測することを目的としている。本研究では、複数の事前学習済みトランスフォーマーおよび WikiData 知識グラフから生成された特徴を統合する2つの順伝播型ネットワークモデル（KEViN1 および KEViN2）を提案する。これらのトランスフォーマーは含意推定および意味的類似度の予測に用いられ、一方で WikiData は前提と結論のペアに含まれる概念間の意味的関係を測定するための手段として活用される。提案モデルは RoBERTa に対して顕著な性能向上を示し、特に KEViN1 が KEViN2 を上回り、ArgMining 2022 共同課題の2つのサブタスク（AおよびB）においてともに2位の成績を達成した。