[论文泛读]Enhanced LSTM for Natural Language Inference

论文标题：《Enhanced LSTM for Natural Language Inference》

论文链接：https://arxiv.org/abs/1609.06038

简介
今天分享的论文是NLP领域曾一度成为短文本匹配竞赛刷榜利器——ESIM。NLPer应该对这个模型不会陌生。

光看论文标题就可以知道，该模型是一种专为自然语言推断而生的加强版LSTM，那么究竟是如何加强呢？接着往下看。

先说一下，这个模型（论文中）主要在为了做一件什么事情呢？

就是自然语言推断（Natural Language Inference，NLI），即给定前提premise和假设hypothesis，要求判断两者的关系（1.不相干neural；2.冲突contradiction，即有矛盾，3.蕴含entailment，即能从p推断h或者两者表达相同的意思）

上图是该论文的摘要部分，高亮部分就已经突出了该模型的重点：

基于链式LSTMs精心设计了序列推断模型 (carefully designing sequential inference models based on chain LSTMs)；
考虑局部推断和推断组合（in both local inference modeling and inference composition）
作者主要是引入了句子间的注意力机制（intra-sentence attention），来实现局部的推断，进而实现全局的推断。

模型详解
下面，仔细拆解一下模型：

上图是ESIM的核心框架，主要有三部分：Input Encoding、Local Inference Modeling 和Inference Composition。左半部分就是我们要讲的ESIM，右半部分的区别在于使用了一种叫Tree-LSTM的变种LSTM结构，可用于做句子的语法分析。