ニューラルネットワークによる自然言語推論の可能性

抄録

ニューラルネットワークが言語の構成性を捉えられているのかという問題は古くから議論されており，近年では，深層学習モデルに基づく実証的な研究が進められている．これまでのニューラルネットワークの言語における汎化性能に関する研究では，主に思考の体系性，すなわちニューラルネットワークが任意の文（表象）からその背後にある統語論的構造に応じて意味を再構成するかについて分析が行われてきた．しかし，思考の体系性よりもさらに一段階複雑な推論の体系性，すなわちニューラルネットワークが表象間の関係性を推論規則に応じて推論するかについては，その体系性の複雑さから依然として自明でない．本研究では，ニューラルネットワークの自然言語推論の体系性について分析することを目的とする．文脈自由文法の生成規則からトップダウンに自動生成した推論データでモデルを学習し，未知の構成要素の組み合わせに基づく推論データでモデルの汎化性能を評価する手法を提案し，ニューラルネットワークの自然言語推論の可能性を考察する．