초록
딥러닝(DL) 기반의 언어 모델은 자연어 추론(NLI)에 대한 다양한 벤치마크에서 높은 성능을 달성하고 있다. 이와 동시에 NLI에 대한 상징적(Symbolic) 접근법은 덜 주목받고 있다. 두 접근법(상징적 및 딥러닝)은 각각 장점과 단점이 있다. 그러나 현재까지는 이러한 두 접근법을 통합하여 NLI 문제를 해결하는 시스템이 존재하지 않는다. 상징적 접근과 딥러닝 방법을 융합하기 위해, 우리는 구문 정렬을 위해 신경망 언어 모델과 단조성 기반 논리 추론 엔진을 모두 활용하는 추론 프레임워크인 NeuralLog을 제안한다. 본 프레임워크는 NLI 작업을 전통적인 탐색 문제로 모델링하고, 최적의 추론 경로를 탐색하기 위해 비트 검색(Beam Search) 알고리즘을 사용한다. 실험 결과, 제안하는 로직과 신경망의 결합 추론 시스템은 NLI 작업에서 정확도를 향상시키며, SICK 및 MED 데이터셋에서 최신 기술(SOTA) 수준의 정확도를 달성할 수 있음을 확인하였다.