【NLPCC2020-微软】自然语言处理机器推理，124页ppt

机器学习和深度学习模型在广泛的NLP问题上取得了巨大的成功。然而，这些模型中的大多数都是黑框的，缺乏决策过程背后的透明度。此外，传统的方法高度依赖注释数据，而忽略了来自领域专家的重要知识。

本讲座将涵盖三个主动的基于知识的机器推理管道。在第一部分中，我将讨论一阶逻辑，从介绍它的标准推理算法到最近在NLP中的扩展，包括神经证明和正则化具有逻辑约束的神经模型。

在第二部分，我将介绍神经符号模型，它配备了逻辑形式，可以执行/与环境交互。应用将包括具有离散执行器的语义解析器和以端到端方式学习的逻辑形式指导的神经模块模型。在第三部分，我将介绍基于证据的模型，通过单轮或多轮检索使用外部证据。