Enhancing Natural Language Inference Performance with Knowledge Graph for COVID-19 Automated Fact-Checking in Indonesian Language

自动事实核查是解决互联网上COVID-19误传信息的关键策略。这类系统通常通过自然语言推理（NLI）来验证信息的真伪，基于支持证据。然而，深度学习面临因训练期间知识缺乏导致的性能停滞问题。这项研究提出使用知识图谱（KG）作为外部知识来增强COVID-19自动事实核查在印尼语中的NLI性能。 proposed model architecture comprises three modules: a fact module, an NLI module, and a classifier module. fact module处理来自KG的信息，而NLI module处理给定前提与假设之间的语义关系。来自两个模块的表示向量被拼接并输入分类器模块以产生最终结果。该模型使用生成的印尼语COVID-19事实核查数据集和COVID-19 KG Bahasa Indonesia进行训练。我们的研究表明，整合KG显著提高了事实核查中NLI性能，最佳准确率达到0.8616。这表明KG是增强自动事实核查中NLI性能的有价值组件。