High Quality Embeddings for Horn Logic Reasoning

O artigo apresenta abordagens inovadoras para criar embeddings de alta qualidade para declarações lógicas, essenciais para treinar redes neurais na classificação eficiente de escolhas feitas por raciocinadores lógicos. Esses métodos incluem a geração de âncoras com termos repetidos, o equilíbrio de exemplos fáceis, médios e difíceis para treinamento por triplet loss, e a ênfase periódica nos exemplos mais difíceis.