[ACL2017]Enhanced LSTM for Natural Language Inference_natural language inference by tree-based convoluti

网络的大体框架：

图左侧是sequential model, 右侧是 Tree-LSTM model
自下而上由三个部分组成：
(1) input encoding
(2) local inference modeling
(3) inference composition
接下来针对每一部分给出详细解释：
第一部分：input encoding
A: sequential model 的做法

句子中的每个词都有了包含周围信息的 word representation

B: Tree-LSTM model的做法

树中的每个节点（短语或字句）有了向量表示 h$_t$

关于tree-LSTM 的介绍需要看文章：
[1] Improved semantic representations from tree-structured long short-term memory networks
[2] Natural Language inference by tree-based convolution and heuristic matching
[3] Long short-term memory over recursive structures

第二部分：Local Inference Modeling
A: sequential model

两句话相似或相反的对应

B: Tree-LSTM model
两棵树任意两个节点利用公式（11）计算

有事暂停