Luc Pommeret

基于原子命题的图谱实现了可解释的自然语言推断

研究人员开发了一种新颖的自然语言推断（NLI）方法，该方法通过使用源自原子命题的基于图谱的表示来优先考虑可解释性。该方法将句子分解为ConceptNet三元组，为每对句子形成三个图谱，然后由经过微调的语言模型进行处理。虽然这种基于图谱的流程在SNLI数据集上取得了有竞争力的准确性，但在ANLI数据集上表现出明显的性能差距，作者将其归因于表示限制而非数据限制。结合图谱和文本模态被证明是有益的，在SNLI上提高了准确性。