의미 수준 그래프를 통한 추론을 통한 사실 검증

사실 확인은 주장의 진실성을 검증하기 위해 다수의 검색 가능한 증거에 대해 추론이 필요하기 때문에 어려운 작업이다. 본 연구에서는 증거의 의미 수준 구조에 대한 추론에 적합한 방법을 제안한다. 기존 대부분의 연구들이 증거 문장을 문자열 연결 방식이나 고립된 증거 문장의 특징을 병합하는 방식으로 표현하는 것과 달리, 본 연구는 의미 역할 태깅(Semantic Role Labeling)을 통해 얻은 풍부한 의미 구조를 기반으로 작업한다. 또한 BERT, GPT, XLNet과 같은 사전 훈련된 모델의 최신 발전을 활용하면서 증거의 구조를 효과적으로 활용할 수 있는 두 가지 메커니즘을 제안한다. 구체적으로 XLNet을 기반으로, 먼저 그래프 구조를 활용하여 단어 간 상대적 거리를 재정의하는데, 그 배경은 의미적으로 관련된 단어들은 짧은 거리에 위치해야 한다는 직관에서 출발한다. 이후 그래프 컨볼루션 네트워크(GCN)와 그래프 어텐션 네트워크(GAT)를 도입하여 그래프 내 인접 노드로부터 정보를 전파하고 집계한다. 제안한 시스템을 사실 확인을 위한 기준 데이터셋인 FEVER에서 평가한 결과, 풍부한 구조 정보가 유용하며, 본 연구에서 제안한 두 가지 그래프 기반 메커니즘이 모두 정확도 향상에 기여함을 확인하였다. 본 모델은 공식 평가 지표인 주장 검증 정확도와 FEVER 스코어 모두에서 최신 기술 수준(SOTA)을 달성하였다.