基于深度学习的中文文本蕴涵关系识别技术研究

Textual entailment is an important research direction in the field of Natural Language Processing. The main research achievements of deep learning based textual entailment recognition are focused on English text while the research for Chinese text is insufficient. Therefore, this project focuses on deep learning based Chinese text entailment recognition technology, and the main contents include: (1) Construction of a large scale Chinese textual entailment corpus which meets the basic requirement of deep learning model training; (2) Integration of common sense and linguistic knowledge into deep neural network entailment recognition model; (3) Design of deep Chinese textual entailment model combining sequence and space features, and multi-granularity and multi-perspective matching in neural network entailment recognition model between the context embedding vectors of Text sentence T and Hypothesis sentence H.

文本蕴涵是自然语言处理领域的重要研究方向。在基于深度学习的文本蕴涵关系识别方面，主要的研究成果集中在英文文本的处理，而对中文文本的蕴涵关系研究非常不足。因此，本项目重点研究基于深度学习的中文文本蕴涵关系识别，主要的研究内容包括：（1）满足深度神经网络模型训练基本要求、具有一定规模的中文文本蕴涵关系对训练语料构建；（2）深度神经网络蕴涵关系识别模型中常识与语言知识的集成机制；（3）结合时间与空间特征的中文文本蕴涵识别深度模型设计，以及深度神经网络蕴涵关系识别模型中文本T与假设H的上下文向量之间多粒度、多角度的对齐匹配机制。

文本蕴涵是自然语言处理领域的重要研究方向。在基于深度学习的文本蕴涵关系识别方面，主要的研究成果集中在英文文本的处理，而对中文文本的蕴涵关系研究非常不足。.因此，本项目重点研究基于深度学习的中文文本蕴涵关系识别，主要的研究内容包括：（1）满足深度神经网络模型训练基本要求、具有一定规模的中文文本蕴涵关系对训练语料构建；（2）深度神经网络蕴涵关系识别模型中常识与语言知识的集成机制；（3）结合时间与空间特征的中文文本蕴涵识别深度模型设计，以及深度神经网络蕴涵关系识别模型中文本T与假设H的上下文向量之间多粒度、多角度的对齐匹配机制。项目实施期间，取得的主要成果包括：（1）构建了19000对问句形式的蕴涵关系对训练语料；（2）提出了一种融合句子语义角色信息和神经网络自注意力机制的中文文本蕴含识别方法；（3）提出了一种知识增强的图神经网络中文文本蕴含识别方法；（4）受文本蕴含模型研究启发，在任务型对话系统中的用户意图分类、槽填充等问题理解、特定领域实体与实体关系识别方面，提出了多种新方法。