ArgMining 2022 공동 과제는 주어진 전제와 결론 쌍에 대해 추론의 타당성과 새로움을 예측하는 데 초점을 맞추고 있다. 우리는 여러 사전 훈련된 트랜스포머와 위키데이터 지식 그래프에서 생성한 특징을 결합하는 두 가지 전방향 신경망 기반 모델(KEViN1 및 KEViN2)을 제안한다. 트랜스포머는 함의 관계 및 의미적 유사도를 예측하는 데 사용되며, 위키데이터는 전제-결론 쌍 내 개념 간의 의미적 측정을 제공하는 데 활용된다. 제안한 모델들은 RoBERTa에 비해 상당한 성능 향상을 보였으며, 특히 KEViN1이 KEViN2를 상회하며 ArgMining 2022 공동 과제의 두 하위 과제(A 및 B)에서 각각 2위를 기록하였다.