초록
사실 검증은 문장의 구조적 및 의미적 정확성은 있으나 충분한 근거가 없는 주장을 식별하기 위해 세밀한 자연어 추론 능력이 필요하다. 본 논문에서는 커널 기반 주목력(attention)을 활용하여 더욱 세밀한 사실 검증을 수행하는 커널 그래프 주목력 네트워크(KGAT)를 제안한다. 주장을 입력으로 받아, 이를 뒷받침할 수 있는 후보 증거 문장들로 구성된 증거 그래프를 생성한 후, KGAT는 증거 노드의 중요도를 더 정교하게 측정하는 노드 커널과 그래프 내에서 세밀한 증거 전파를 수행하는 엣지 커널을 그래프 주목력 네트워크(GAT)에 도입한다. 이로 인해 보다 정확한 사실 검증이 가능해진다. KGAT는 사실 검증을 위한 대규모 벤치마크인 FEVER에서 70.38%의 FEVER 스코어를 달성하며, 기존의 사실 검증 모델들을 상당히 뛰어넘는 성능을 보였다. 분석 결과에 따르면, 점곱(dot-product) 주목력과 비교했을 때 커널 기반 주목력은 증거 그래프 내 관련 증거 문장과 의미 있는 단서에 더 집중함을 확인할 수 있었으며, 이는 KGAT의 효과성의 주요 원인으로 작용한다.