释义识别、语义文本相似度、自然语言推理和问答的神经网络模型

武威兰,魏旭

摘要
本文分析了几种用于句子对建模的神经网络设计（及其变体），并在八个数据集上广泛比较了它们的性能，包括复述识别、语义文本相似度、自然语言推理和问答任务。尽管大多数模型都声称具有最先进的性能，但原始论文通常只报道了一到两个选定的数据集。我们提供了一项系统研究，并表明：（i）通过LSTM和内容间交互对上下文信息进行编码至关重要，而当可用数据较少时，成对单词交互模型的性能最佳。我们以开源工具包的形式发布我们的实现。
选集ID：
C18-1328号
体积：
第27届国际计算语言学会议论文集
月份：
八月
年份：
2018
地址：
美国新墨西哥州圣达菲
编辑：
艾米丽·本德,莱昂·德钦斯基,皮埃尔·伊莎贝尔
地点：
冷却
SIG公司：
出版商：
计算语言学协会
注：
页：
3890–3902
语言：
网址：
https://aclantology.org/C18-1328
内政部：
比比键：
引用（ACL）：
无为岚和魏旭。2018释义识别、语义文本相似度、自然语言推理和问答的神经网络模型.英寸第27届国际计算语言学会议论文集，第3890–3902页，美国新墨西哥州圣菲。计算语言学协会。
引用（非正式）：
释义识别、语义文本相似度、自然语言推理和问答的神经网络模型（兰和徐，COLING 2018）
复制引文：
PDF格式：
https://aclantology.org/C18-1328.pdf
代码
兰武伟/SPM_toolkit
数据
多NLI, 个人识别号, SNLI公司, TrecQA公司, 维基QA
PDF格式 引用 搜索 代码