NExT:论文“使用神经执行树从解释中学习”的源代码，ICLR 2020

从神经执行树的解释中学习 该代码适用于ICLR2020论文：。 内容 介绍 虽然深度神经网络在一系列NLP任务上已取得了令人印象深刻的性能，但这些需要大量数据的模型在很大程度上依赖于标记数据。 为了充分利用每个示例，以前的工作引入了自然语言（NL）解释作为纯标签的补充。 这样的NL解释可以提供足够的领域知识，以便在新实例上生成更多带标签的数据，而注释时间仅加倍。 但是，直接将NL解释用于增强模型学习遇到两个挑战。 首先，NL的解释是非结构化的，本质上是组成性的，这就要求使用模块化的模型来表示其语义。 其次，NL解释通常具有大量的语言变体，导致将其应用于未标记数据时召回率较低且泛化能力有限。 在本文中，我们提出了一种新颖的神经执行树（NExT）框架，用于通过NL解释来增强序列分类。 首先，我们使用语义解析器将NL解释转换为可执行的逻辑形式。 然后，NExT采用神经模块网络体系结构来概括不同