自然语言推理主要是判断两个句子(Premise, Hypothesis)或者两个词之间的语义关系,为了保证模型能够集中在语义理解上,该任务最终退化为一个分类任务,目前类别主要是三分类(Entailment,Contradiction,Neutral)。目前对这三类有各种各样的定义,但是我认为这三类的分类依据还是要落在语义理解上,通过语义关系来确定类别。

那为什么要研究自然语言推理呢?简单来讲,机器学习的整个系统可以分为两块,输入,输出。输入要求我们能够输入一个机器能理解的东西,并且能够很好的表现出数据的特点,输出就是根据需要,生成我们需要的结果。也可以说整个机器学习可以分为Input Representation和Output Generation。因此,如何全面的表示输入就变得非常重要了。而自然语言推理是一个分类任务,使用准确率就可以客观有效的评价模型的好坏;这样我们就可以专注于语义理解和语义表示。并且如果这部分做得好的话,例如可以生成很好的句子表示的向量,那么我们就可以将这部分成果轻易迁移到其他任务中,例如对话,问答等。这一切都说明了研究自然语言推理是一个非常重要但是非常有意义的事情。

NLI:Natural Language Inference相关推荐

  1. EMNLP2020 | 近期必读Natural Language Inference精选论文

    **AMiner平台**由清华大学计算机系研发,拥有我国完全自主知识产权.平台包含了超过2.3亿学术论文/专利和1.36亿学者的科技图谱,提供学者评价.专家发现.智能指派.学术地图等科技情报专业化服务 ...

  2. ESIM:Enhanced LSTM for Natural Language Inference

    原文链接:https://aclanthology.org/P17-1152.pdf ACL 2017 概述 对于自然语言推理任务,Bowman等人在2015年提出了一个大数据集,大多数工作就开始使用 ...

  3. 论文解读:Exploiting Cloze Questions for Few Shot Text Classification and Natural Language Inference

    论文解读:Exploiting Cloze Questions for Few Shot Text Classification and Natural Language Inference   随着 ...

  4. 论文笔记翻译——Enhanced LSTM for Natural Language Inference(ESIM)

    文章目录 0.前言 1. 模型结构 1.1 input encoding 1.2 local inference modeling 1.3 inference composition 2. 模型实现 ...

  5. NATURAL LANGUAGE INFERENCE OVER INTERACTION SPACE

    文章目录 ABSTRACT 1 INTRODUCTION 2 RELATED WORK 3 MODEL 3.1 INTERACTIVE INFERENCE NETWORK 3.2 DENSELY IN ...

  6. 论文解读: Exploiting Cloze Questions for Few Shot Text Classification and Natural Language Inference

    前言:在自然语言研究领域,某些自然语言处理任务可以利用"预训练模型+任务描述"方式的无监督学习来解决.然而,已有的"预训练模型+任务描述"的无监督学习方法不如有 ...

  7. 【提示学习】Exploiting Cloze Questions for Few Shot Text Classification and Natural Language Inference

    论文信息 名称 内容 论文标题 Exploiting Cloze Questions for Few Shot Text Classification and Natural Language Inf ...

  8. Natural Language Inference Over Interaction Space(DIIN)阅读笔记

    文章目录 Introduction Model Interactive Inference Network(IIN) Densely Interactive Inference Network(DII ...

  9. 论文阅读:Natural Language Processing Advancements By Deep Learning: A Survey

    文章目录 一.介绍 二.背景 1.人工智能和深度学习 (1)多层感知机 (2)卷积神经网络 (3)循环神经网络 (4)自编码器 (5)生成对抗网络 2.NLP中深度学习的动机 三.NLP领域的核心概念 ...

最新文章

  1. Bigtable:结构化数据的分布式存储系统
  2. Linux0.11小结
  3. html5登录界面源代码_TwinCAT HMI,一款基于web的人机界面产品
  4. 575 div3RGB Substring (hard version)——思维-
  5. 基于 CoreAudio 的音频编解码(二):音频编码
  6. ubuntu和windows上pip和windows上conda国内源更新module
  7. python数据分析用什么框架_用python选择用于内存大的数据分析的框架
  8. SylixOS 启动时mmu 初始化
  9. 数据库查询条件是list的集合
  10. 省教育厅关于印发《湖北省义务教育阶段信息技术课程指导意见(试行)》的通知
  11. 2018年全国大学生电子设计竞赛
  12. 网约护士来了?相关App不合规 两大安全问题最受关注
  13. 角位移/倾角/角度传感器如何安装
  14. 遗传算法(确定性排挤)
  15. tf.compat.v1的含义
  16. Camtasia Studio2021-激活码-序列号-秘钥中文版下载安装最新详情介绍
  17. Linux ALSA声卡驱动之二:Platform
  18. 高质量股票数据_10个网站免费下载高质量的股票视频
  19. 鹰偶尔飞的比鸡低,但鸡永远也飞不了鹰那么高!
  20. ftl模板导出word 带多张图片

热门文章

  1. linux 中.a和.so的区别
  2. vue 大数据 渲染_技术专栏 | DMap——实战Vue百万条数据渲染表格组件开发
  3. 踩雷1:Android Studio:3dmap 隐私合规校验失败: errorcode 555570 确保调用SDK任何接口前先调用更新隐私合规updatePrivacyShow、updateP
  4. Contra-cnv
  5. HouseRobber 打家劫舍
  6. Webots 机器人仿真平台(一) 系统安装
  7. 用一个原始密码针对不同软件生成不同密码并保证相对安全
  8. 请说说,你平时是如何学习产品知识的?
  9. 用python爬取豆瓣影评及影片信息(评论时间、用户ID、评论内容)
  10. SDNU-1012.区间合并