<<Natural Language Inference over Interaction Space >>论文速读

模型结构

code :https://github.com/YichenGong/Densely-Interactive-Inference-Network

首先是模型图：

Embedding Layer

词嵌入+字嵌入+syntactical features （句法特征） 拼接。

词嵌入:glove pre-trained, 可训练

字嵌入：conv1d +maxpoling ，解决oov问题,(P,H公用同一个卷积参数)
syntactical features: pos tagging+binary exact match (EM) feature  的onehot

Encoding Layer

P H经过2层highway network 得到 p*d 、h*d维的矩阵，再经过self-attention，self-att公式如下：

~P跟P同时经过fuse-gate,fuse-gate可以看做是skip connection .公式如下

intra-attention and fuse gate 时 ，P H的参数不共享。但是参数权重的差异会加惩罚，为了保证PH可以平行的学习相似性。

Interation Layer

Feature Extraction  Layer

利用denseNet进行特征提取，resNet 也可以，但是参数太多。

没有用BN，

激活函数relu。具体细节看代码。

Output Layer

uses a linear layer and flattened 进行分类、

感想

0、词向量的表示上，

1、DenseNet，

2、fuse-gate，

参考：

https://blog.csdn.net/xiayto/article/details/81247461

原文地址：https://www.cnblogs.com/zle1992/p/9851275.html