近日，计算语言学国际会议The 29th International Conference on Computational Linguistics（COLING 2022）录用结果揭晓。实验室博士生马志远的论文“GLAF: Global-to-Local Aggregation and Fission Network for Semantic-Level Fact Verification”被COLING 2022录用为主会长文。COLING是自然语言处理与计算语言学领域四大重要会议（ACL、EMNLP、COLING、NAACL）之一，被中国计算机学会（CCF）推荐为B类会议，每两年举办一次，在相关领域享有较高学术声誉。
论文针对现有基于证据图的事实验证模型难以进行实体级别的有效推理从而导致性能受限的问题，提出了一种全局到局部的图聚合和裂变网络模型GLAF。该模型以结构化的三元组作为证据线索，利用不同三元组之间的实体级别的注意力作为推理依据，通过两个图神经网络层进行高效的局部多跳推理和全局证据聚合，在以实体推断为核心的事实验证任务上取得了不错的表现。在FEVER数据集上的实验结果证明了 GLAF 模型的有效性，进一步的实例研究阐述了其现实贡献。