摘要
在本文中，我们分析了多种神经网络设计（及其变体）用于句子对建模，并广泛地在八个数据集上比较了它们的性能，这些数据集涵盖了同义句识别、语义文本相似度、自然语言推理和问答任务。尽管大多数模型声称达到了最先进的性能，但原始论文通常仅报告了一两个选定的数据集上的结果。我们提供了系统性的研究，表明：(i) 通过LSTM编码上下文信息以及句子间的交互作用是至关重要的；(ii) Tree-LSTM的效果并不如先前所宣称的那样显著，但在Twitter数据集上意外地提高了性能；(iii) 对于较大的数据集，增强顺序推理模型（Enhanced Sequential Inference Model）目前表现最佳，而在数据较少的情况下，成对词交互模型（Pairwise Word Interaction Model）则取得了最好的性能。我们发布了我们的实现代码作为开源工具包。