文献类型：期刊文章

作　　者：杜倩龙[1,2] 宗成庆[1,2] 苏克毅[3]

DU Qianlong;ZONG Chengqing;SU Keh-Yih(National Laboratory of Pattern Recognition,Institute of Automation,Chinese Academy of Sciences,Beijing 100190,China;University of Chinese Academy of Sciences,Beijing 100049,China;Institute of Information Science,Academia Sinica,Taipei 11529,China)

机构地区：[1]中国科学院自动化研究所模式识别国家重点实验室,北京100190 [2]中国科学院大学,北京100049 [3]台湾“中央研究院”资讯科学研究所,台湾台北11529

出　　处：《智能科学与技术学报》

基　　金：国家重点研发计划基金资助项目(No.2017YFB1002103)。

年　　份：2020

期　　号：1

起止页码：26-35

语　　种：中文

收录情况：普通刊

摘　　要：当前的自然语言推理方法在进行词对齐时往往只关注如何利用上下文信息改善词汇的表示,而忽略了上下文相似度对词汇对齐的帮助。推理方法在融合局部判定信息进行结果预测时,通常赋予局部判定信息相同的权重,而实际上不同词汇对应的局部判定信息对最终结果具有不同的影响。因此,提出一种通过增强词对齐性能改善自然语言推理性能的方法,该方法在词对齐时同时考虑词汇的词义相似度和上下文相似度,并且利用选择门机制对不同的局部判定信息进行加权。实验表明,该方法能够获得与当前最优的模型相当的准确率,而且该方法更加符合人脑推理判定行为过程,且具有很好的可解释性。

关 键 词：文本蕴含  自然语言推理  词对齐

分 类 号：TP391.1]