近年來(lái)，圖像文本建模研究已經(jīng)成為自然語(yǔ)言處理領(lǐng)域一個(gè)重要的硏究方向。圖像常被用于增強(qiáng)句子的語(yǔ)義理解與表示。然而也有硏究人員對(duì)圖像信息用于句子語(yǔ)義理解的必要性提岀質(zhì)疑，原因是文本本身就能夠提供強(qiáng)有力的先驗(yàn)知識(shí)，幫助模型取得非常好的效果;甚至在不使用圖像的條件下就能得出正確的答案。因此硏究圖像文本建模需要首先回答一個(gè)問(wèn)題：圖像是否有助于句子語(yǔ)義的理解與表示？為此，本文選擇一個(gè)典型的不包含圖像的自然語(yǔ)言語(yǔ)義理解任務(wù)：自然語(yǔ)言推理，并將圖像信息引人到該任務(wù)中用于驗(yàn)證圖像信息的有效性。由于自然語(yǔ)言推理任務(wù)是一個(gè)單一的自然語(yǔ)言任務(wù)，在數(shù)據(jù)標(biāo)注過(guò)程中沒有考慮圖像信息，因此選擇該任務(wù)能夠更客觀地分析岀圖像信息對(duì)句子語(yǔ)義理解與表示的影響。具體而言，本文提出一種通用的即插即用框架（ general plug andplay framework）用于圖像信息的整合。基于該框架，本文選擇目前最先進(jìn)的五個(gè)自然語(yǔ)言推理模型，對(duì)比分析這些模型在使用圖像信息前后的表現(xiàn)，以及使用不同圖像處理模型與不同圖像設(shè)置時(shí)的表現(xiàn)。最后，本文在一個(gè)大規(guī)模公開數(shù)據(jù)集上進(jìn)行了大量實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果證實(shí)圖像作為額外知識(shí)，確實(shí)有助于句子語(yǔ)義的理解與表示。此外，還證實(shí)了不同的圖像處理模型和使用方法對(duì)整個(gè)模型的表現(xiàn)也會(huì)造成不同的影響。