《表1 文本推理例子：基于稠密连接记忆神经网络的文本推理》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于稠密连接记忆神经网络的文本推理》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

但是若只根据式（9）获取输出，在面对有多个支持事实的问题时，可能无法得到更好的结果。通过表1的例子来说明其问题。如果仅通过计算问题与已有事实相似度，在表1中第一句的相似度是最高的，因为都存在单词“milk”。但是要得出正确答案，无法只根据第一句话来得到答案，还需要知道“Mary”最后去到哪里。因此Den MemN2N还通过多跳机制进行相关项之间的推理。如图3所示，即将第1跳得到的输出作为第2跳的输入。这种多跳机制实现了自然语言的多级计算，也就是需要将上下文关联的信息在计算中联系起来，让下一跳再通过求相似度的方式找到与上一跳有关的记忆，实质上就是一个联想回忆的过程，使其实现递进式的推理。如表1例子中在第1跳的输出中第一句的特征相对较多，以此作为第2跳的输入。在进行相似度计算时，由于第1跳的输出含有“Mary”相关的信息，所以会使同样含有“Mary”的第四句权重最高，并可以根据第四句获得正确答案。但是现实场景中并非所有推理都是递进式推理，还有通过对象间关系的推理。