Detecção de Contradição com Embeddings de Palavra Específicos para Contradição

A detecção de contradição é uma tarefa para reconhecer relações de contradição entre um par de sentenças. Apesar da eficácia dos algoritmos tradicionais de aprendizado de embeddings de palavras baseados em contexto em muitas tarefas de processamento de linguagem natural, esses algoritmos não são poderosos o suficiente para a detecção de contradição. Palavras contrastantes, como "cheio" e "vazio", são principalmente mapeadas para vetores próximos nesse espaço de embedding. Para resolver esse problema, desenvolvemos uma rede neural personalizada para aprender embeddings de palavras específicos para contradição (CWE). O método pode separar antônimos nas extremidades opostas de um espectro. CWE é aprendido a partir de um corpus de treinamento que é gerado automaticamente a partir do banco de dados de paráfrases, e é naturalmente aplicado como características para realizar a detecção de contradição no conjunto de dados de referência SemEval 2014. Resultados experimentais mostram que CWE supera os embeddings de palavras baseados em contexto tradicionais na detecção de contradição. O modelo proposto para a detecção de contradição apresenta desempenho comparable ao sistema com melhor desempenho em precisão de classificação em três categorias e melhora a precisão de 75,97% para 82,08% na categoria de contradição.