GEAR: 그래프 기반 증거 집합 및 추론을 통한 사실 확인

사실 확인(Fact Verification, FV)은 관련 증거를 평문에서 검색하고 해당 증거를 사용하여 주어진 주장들을 검증하는 어려운 작업입니다. 많은 주장들은 검증을 위해 동시에 여러 개의 증거를 통합하고 추론해야 합니다. 그러나, 이전 연구에서는 증거 간의 상호작용 없이 정보를 추출하기 위한 단순한 모델을 사용하였으며, 예를 들어 증거들을 단순히 연결(concatenate)하여 처리하였습니다. 따라서 이러한 방법들은 증거들 사이의 충분한 관계적 및 논리적 정보를 파악할 수 없습니다. 이러한 문제를 완화하기 위해, 우리는 정보가 완전 연결된 증거 그래프에서 전달될 수 있도록 하고 다양한 집계기(aggregators)를 활용하여 다중 증거 정보를 수집하는 그래프 기반의 증거 집계 및 추론(Graph-based Evidence Aggregating and Reasoning, GEAR) 프레임워크를 제안합니다. 또한, 효과적인 사전 학습 언어 표현 모델인 BERT를 사용하여 성능을 향상시킵니다. 대규모 벤치마크 데이터셋 FEVER에서 수행된 실험 결과는 GEAR가 다중 증거 정보를 활용하여 FV에 기여할 수 있으며, 이를 통해 테스트 FEVER 점수 67.10%라는 유망한 결과를 달성함을 보여주었습니다. 우리의 코드는 https://github.com/thunlp/GEAR에서 이용 가능합니다.