Este artículo propone un nuevo modelo que utiliza grafos de conocimiento (GC) para la verificación automatizada de información sobre la COVID-19 en indonesio. Para superar las limitaciones de rendimiento de los métodos existentes de inferencia del lenguaje natural (NLI) basados en aprendizaje profundo, nos centramos en mejorar el rendimiento de la NLI aprovechando los GC como conocimiento externo. El modelo propuesto consta de tres módulos: un módulo de hechos, un módulo de NLI y un módulo clasificador. Procesa la información de los GC y las relaciones semánticas entre las premisas e hipótesis dadas para obtener el resultado final. Tras el entrenamiento con el conjunto de datos de verificación de información sobre la COVID-19 en Indonesia y el GC de COVID-19 en Bahasa Indonesia, obtuvimos una precisión de 0,8616, lo que demuestra la eficacia del uso de GC.
