摘要

事实验证（FV）是一项具有挑战性的任务，需要从纯文本中检索相关证据，并利用这些证据来验证给定的声明。许多声明在验证时需要同时整合和推理多个证据。然而，以往的工作采用了简单的模型来从证据中提取信息，而没有让证据之间进行交互，例如仅仅将证据拼接在一起进行处理。因此，这些方法无法充分捕捉到证据之间的关系和逻辑信息。为了解决这一问题，我们提出了一种基于图的证据聚合与推理（GEAR）框架，该框架能够在完全连接的证据图上实现信息传递，并通过不同的聚合器收集多证据信息。此外，我们还使用了BERT这一有效的预训练语言表示模型来提升性能。在大规模基准数据集FEVER上的实验结果表明，GEAR能够利用多证据信息进行事实验证，并取得了测试FEVER得分为67.10%的良好效果。我们的代码可在https://github.com/thunlp/GEAR 获取。