Mxnet: 注意力机制自然语言推理模型

自然语言推理基于已知的前提文本来判断是否能推导出目的文本。换句话说，自然语言推理用于分析两个文本序列之间的关系：

• 包含在内 : 前提能够导出假设。
• 反对 : 能导出与假设相悖的结果。
• 其余情况归为_中立状态_。

自然语言推理等同于识别文本中蕴含关系的目标。以下一对文本可以借助 蕴含物 进行标注, 由于假设中的'显示出喜欢'可以通过前提中的 '相互拥抱'来推断得出。

前提: 两个女人互相拥抱。

假设: 两个女人显示出喜欢。

下面是一个展示矛盾的例子，“运行编码示例”表示“没有睡觉”而不是“睡觉了”。

前提:一个男人正在运行 《Dive into Deep Learning》的编码示例。

假设: 这个男人正在睡觉。

下面的例子展示 中立 关系，因为从给我们演奏并看不出有不有名。

前提: 音乐家们正在为我们演奏。

假设: 音乐家们都很有名。

在理解自然语言方面，作为核心领域之一的自然语言推理始终扮演着重要角色。它不仅在信息检索方面表现突出，在开放领域的问题解答中也展现出广泛的适用性。为此我们将首先致力于探索一种流行且有效的自然语言推理基准数据集。

1. 斯坦福大学自然语言推理（SNLI）数据集

斯坦福自然语