自然言語による推論では、前提から推論過程を経て結論をそれぞれ文として導く。その際に、前提から想起される知識を踏まえて結論を導きたい。本研究では、結論を導くに至って想起される知識を、複雑な内容を表現できる文自体ととらえて推定することにより、前提に対してよりよい結論を導く自然言語による推論を提案する。具体的には、質疑応答コーパスを元に大規模言語モデルによって可能な推論過程を生成し、正しい回答を導けるようにモデルを学習する手法を開発する。学習段階では、どのような推論過程が結論を導いたかを、言語モデルの生成確率から判断してデータとして収集する。これを用いて、前提から知識を生成するモデルと、前提および生成された知識を用いて結論を導く自然言語による推論モデルを構築する。
