一种端到端模拟人类进行自然语言推理的神经架构
计算与语言
2017-01-30 v2
摘要
在这项工作中，我们利用表示学习的最新进展，为自然语言推理问题提出了一种神经架构。我们的方法旨在模拟人类在给定两个陈述时进行自然语言推理的过程。该模型使用长短期记忆网络（LSTM）的变体、注意力机制和可组合神经网络来执行任务。我们模型的每个部分都可以映射到人类执行整个自然语言推理任务时所具有的明确功能。该模型是端到端可微的，从而能够通过随机梯度下降进行训练。在斯坦福自然语言推理（SNLI）数据集上，所提出的模型取得了比文献中所有已发表模型更高的准确率。
引用
@article{arxiv.1611.04741,
title = {A Neural Architecture Mimicking Humans End-to-End for Natural Language Inference},
author = {Biswajit Paria and K. M. Annervaz and Ambedkar Dukkipati and Ankush Chatterjee and Sanjay Podder},
journal= {arXiv preprint arXiv:1611.04741},
year = {2017}
}
备注
8 pages, 2 figures