注意を介したテキスト包含認識のための生の文表現の洗練

本論文では、2017年のRepEval共有課題においてチームRivercornersが使用したモデルを提示します。まず、我々のモデルは双方向LSTMを用いて、文のペアを変動長の表現に別々にエンコードします。その後、シンプルな集約関数を用いて固定長の生の表現を作成し、それを注意機構を用いて洗練させます。最後に、両文の洗練された表現を単一のベクトルに結合し、分類に使用します。このモデルを用いて、マッチしたおよびマッチしない評価トラックでそれぞれ72.057%と72.055%のテスト精度を達成し、LSTMベースラインを上回り、文間の共有情報に依存するモデル（ESIM）に類似したパフォーマンスを得ました。アンサンブルを使用すると、両方の精度はそれぞれ72.247%と72.827%に増加しました。