神经符号方法识别论辩蕴含与矛盾关系

研究提出一种神经符号方法识别自然语言论证中的蕴含与矛盾关系：先用预训练 AMR 解析器把文本转为抽象语义表示（AMR）图，再转换为命题逻辑并交由 SAT 求解器自动推理。为处理措辞不同导致的常识性蕴含或矛盾，方法引入松弛机制以替换或遗忘部分命题，并在三个 RTE 数据集上表现良好，其优势在于前提、主张及松弛过程均有可解释的逻辑表示。

摘自 arXiv：cs.AI

还没有足够的连续观测数据，暂不绘制趋势。