テキストの論理的推論における論理駆動型コンテキスト拡張とデータ拡張

テキストの論理的推論は、テキスト内の重要な論理情報を理解し、それらに基づいて推論を行うことを要する。これまでの大規模な事前学習モデルは、主にテキストの単語レベルの意味に注目してきているが、記号論理を十分に捉えるには限界がある。本論文では、テキスト中の論理記号および論理式を理解することにより、正解に到達する手法を提案する。このような論理情報を基盤として、文脈拡張フレームワークとデータ拡張アルゴリズムの両方を提案する。前者は論理的同値法則に従い、隠れた論理式を含むように文脈を拡張する。後者では、語句的に類似しているが論理的には異なるインスタンスを拡張することで、特に論理的否定や条件関係といった論理構造をより正確に捉えることを可能にする。本研究ではReClorデータセットを用いて実験を行い、結果として本手法が最先端の性能を達成した。また、論理駆動型の文脈拡張フレームワークおよびデータ拡張アルゴリズムが精度向上に寄与することが確認された。さらに、本研究で提案するマルチモデルアンサンブルシステムは、ReClorのEASYセットおよびHARDセットの両方において、初めて人間の性能を上回った。