摘要
ArgMining 2022 共享任务旨在预测给定前提与结论对之间推理的有效性与新颖性。本文提出两种基于前馈网络的模型（KEViN1 和 KEViN2），该模型融合了多个预训练 Transformer 生成的特征以及 WikiData 知识图谱的信息。其中，Transformer 模型用于预测蕴含关系与语义相似性，而 WikiData 则用于衡量前提与结论对中概念之间的语义关联。实验结果表明，所提出的模型在性能上显著优于 RoBERTa。其中，KEViN1 表现优于 KEViN2，在 ArgMining 2022 共享任务的两个子任务（A 和 B）中均取得了第二名的成绩。
基准测试
| 基准 | 方法 | 指标 |
|---|---|---|
| valnov-on-valnov-subtask-a | AXiS@EdUni-1 | JOINT-F1: 43.27 NOV-F1: 62.43 VAL-F1: 69.80 |