Без заголовка

P.S. Будет много времени -- напишу серьёзно, что здесь не так и почему, кроме того, что не так примерно всё. Уже писал, но, видимо, нужно проще. Неправильные у вас акценты, не с тем сложности, с чём вы их видите. Если совсем в двух словах -- основная проблема по-прежнему в том, чтобы хорошо делать "grounding" групп слов в понятия, всякие co-reference resolution. Distributional semantics и прочие извращения лишь немного помогают (и, кстати, обучение на словарях и применение knowledge databases помогает по-прежнему лучше, чем unsupervised distributional word analysys aka word2vec/Glove -- т.к. в последних неизбежно присутствует большое количество ошибок). Точность синт. анализа -- 94.5%, точность grounding -- не выше 90%. Хоть тут присоединяй логику, хоть нет -- косяки будут, просто уже из-за ошибок на этих стадиях. И, замечу, точность синт. анализа сама повысится, когда повысится точность grounding. В https://vk.com/deeplearning?w=wall-44016343_9406 указывается, что в 2016м году точность определения верности рассуждений / перефразировки получилась порядка 85-86%. Это крайне неплохо. А делать word composition с помощью LSTM вообще уже стало привычным делом -- но вот если бы оно играло решающую роль!