تحقيق نماذج اللغة المستندة إلى التعلم العميق (DL) أداءً عاليًا في مختلف المعايير المعيارية لاستنتاج اللغة الطبيعية (NLI). وفي الوقت الراهن، تُلقى الطرق الرمزية لاستنتاج اللغة الطبيعية اهتمامًا أقل. وتملك كلتا الطريقتين (الرمزية والتعلم العميق) مزايا وعيوبها الخاصة. ومع ذلك، لا توجد حاليًا أي طريقة تدمج بينهما في نظام واحد لحل مهمة استنتاج اللغة الطبيعية. ولدمج الطرق الرمزية مع الطرق القائمة على التعلم العميق، نقترح إطار استنتاج يُسمى NeuralLog، الذي يستخدم محرك استنتاج منطقي يعتمد على التزايدية (monotonicity) بالإضافة إلى نموذج لغوي بشبكة عصبية لمحاذاة العبارات. ويُعدّ إطارنا مسألة استنتاج اللغة الطبيعية كمشكلة بحث كلاسيكية، ويستخدم خوارزمية البحث بالشريط (beam search) للبحث عن المسارات الاستنتاجية المثلى. وتُظهر التجارب أن نظامنا المتكامل للاستنتاج المنطقي والاعتيادي يُحسّن الدقة في مهمة استنتاج اللغة الطبيعية، ويمكنه تحقيق دقة متميزة على مجموعتي بيانات SICK وMED.