強化されたLSTMを用いた自然言語推論

推論と推理は、人間の知能および人工知能にとって中心的な役割を果たしています。人間の言語における推論のモデリングは非常に困難です。大規模なアノテーションデータ（Bowmanら, 2015）が利用可能となったことで、最近ではニューラルネットワークに基づく推論モデルの訓練が可能となり、その有効性が示されています。本稿では、スタンフォード自然言語推論データセットにおいて88.6%の精度を達成した最新の最先端結果を報告します。以前の最上位モデルが非常に複雑なネットワーク構造を使用していたのに対し、まず我々はチェーンLSTMに基づいた逐次推論モデルを慎重に設計することで、すべての従来のモデルを上回ることを示します。此基础上，我们さらに示しました、局所推論モデリングと推論合成において再帰的アーキテクチャを明示的に考慮することにより、さらなる改善が得られることを示します。特に、構文解析情報を組み込むことで、既に非常に強力なモデルであっても性能が向上することが確認されました。注：最后一句中的“基础上”在日语中没有直接对应的表达，因此进行了适当调整以使句子更加自然流畅。