利用非正式逻辑增强系统化分解的自然语言推理

通过构建和评估基于证明的文本蕴涵树，提出了一种一致且理论基础的方法来注释解构蕴涵的数据集。生成的RDTE数据集在内部一致性上比以前的数据集高出9％，并通过在现代神经符号推理引擎中使用RDTE导向的蕴涵分类器进行训练，显著提高了文本推理的结果。