利用非正式逻辑增强系统化分解的自然语言推理
原文中文，约300字，阅读约需1分钟。发表于：。我们通过构建和评估直观的基于证明的文本蕴涵树，消除对脆弱形式逻辑的依赖，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，我们发现生成的 RDTE 数据集在内部一致性上比以前的数据集高出 9％，并且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（准确性和证明质量），说明了这一进展在实践中的益处。
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。
