SNU_IDS 在 SemEval-2018 任务 12 上的方法：基于上下文词向量的句子编码器用于论证推理理解
计算与语言
2018-05-21 v1
摘要
我们提出了一种用于 SemEval 2018 论证推理理解任务的新颖神经网络架构。它是一个由三部分组成的简单神经网络，共同判断建立在给定一组句子（主张、理由与保证）之上的逻辑是否合理。该模型利用在大型机器翻译（MT）数据集上预训练的上下文词向量作为迁移学习的一种形式，有助于缓解训练数据不足的问题。定量分析表明，简单地使用在 MT 数据集上训练的 LSTM 优于多个基线和非迁移模型，在开发集上达到约 70% 的准确率，在测试集上达到约 60% 的准确率。
引用
@article{arxiv.1805.07049,
title = {SNU_IDS at SemEval-2018 Task 12: Sentence Encoder with Contextualized Vectors for Argument Reasoning Comprehension},
author = {Taeuk Kim and Jihun Choi and Sang-goo Lee},
journal= {arXiv preprint arXiv:1805.07049},
year = {2018}
}
备注
SemEval 2018