شبكة منظم شجرة اليقظة للمنطق الرتامي

العديد من النماذج العصبية الحديثة المصممة للمناسبة الروماتونية تؤدي بشكل سيء على الاستدلال النزولي.لمعالجة هذا القصور، قمنا بتطوير شبكة عصبية منظم بشجرة اليقظة.وهي تتألف من شبكة ذاكرة طويلة الأجل على المدى القصير (TREE-LSTM) مع اهتمام ناعم.تم تصميمه لنموذج معلومات شجرة التحليل النحوية من زوج الجملة من مهمة التفكير.يتم استخدام مجمع ذاتي اليقظة لمحاذاة تمثيلات الفرضية والفرضية.نقدم نموذجنا وتقييمه باستخدام DataSet EnteraTment Monoticity (MED).نعرض ونحاول شرح أن نموذجنا يفوق النماذج الحالية على ميد.

Many state-of-art neural models designed for monotonicity reasoning perform poorly on downward inference. To address this shortcoming, we developed an attentive tree-structured neural network. It consists of a tree-based long-short-term-memory network (Tree-LSTM) with soft attention. It is designed to model the syntactic parse tree information from the sentence pair of a reasoning task. A self-attentive aggregator is used for aligning the representations of the premise and the hypothesis. We present our model and evaluate it using the Monotonicity Entailment Dataset (MED). We show and attempt to explain that our model outperforms existing models on MED.