O znaczeniu wzbogacania zanurzeń słów dla problemu Natural Language Inference.

Natural Language Inference zajmuje szczególne miejsce wśród problemów z rodziny przetwarzania języka naturalnego. Zdolność poprawnej predykcji, czy przesłanka pociąga za sobą hipotezę lub jej zaprzecza, wymaga zarówno głębokiego zrozumienia znaczenia pojedynczych słów, jak i dokładnego określenia najważniejszej informacji w całym zdaniu.Celem poniższej pracy jest zbadanie znaczenia jakości zanurzeń słów i ich efektywnego wykorzystania przez modele mierzące się z problemem Natural Language Inference. Ponadto, staramy się odpowiedzieć na pytanie, w jaki sposób skutecznie dostarczyć modelom wiedzę na temat relacji między słowami z zewnętrznych leksykonów.Natural Language Inference problem occupies a special place in natural language processing research. The ability to correctly predict whether a premise entails or contradicts the hypothesis requires both deep understanding of a meaning of the words and precise extraction of the most important information in the sentence.The goal of this work is to investigate the importance of quality of word embeddings and their proper exploitation by models solving Natural Language Inference problem. We also explore the question how to effectively provide the models with external lexical knowledge