增强常识知识情感推理仅需一张二部图
计算与语言
2023-08-10 v1
摘要
AI 系统（尤其在对话中）的上下文感知情感推理能力，在社交媒体在线观点挖掘与共情对话系统等应用中至关重要。由于许多场景中情感传达的隐式性，常识知识被广泛用于丰富话语语义并增强对话建模。然而，多数先前的知识注入方法执行经验式知识过滤，并为知识与话语的交互设计高度定制化的架构，这可能丢弃有用的知识侧面，并限制其对不同知识源的泛化能力。基于这些观察，我们提出一种二部异构图（BHG）方法，利用常识知识增强情感推理。在 BHG 中，提取的上下文感知话语表示与知识表示被建模为异质节点。我们提出两种更多的知识聚合节点类型以执行自动知识过滤与交互。基于 BHG 的知识注入可直接泛化至多类型、多粒度知识源。此外，我们提出多维异质图 Transformer（MHGT）进行图推理，其能在推理中保持异质节点类型不变的特征空间与不等维度，以防止不必要的信息损失。实验表明，基于 BHG 的方法显著优于 SOTA 知识注入方法，并展现出更高效率的泛化知识注入能力。进一步分析证明，先前的经验式知识过滤方法不能保证提供最有用的知识信息。我们的代码见：https://github.com/SteveKGYang/BHG。
引用
@article{arxiv.2308.04811,
title = {A Bipartite Graph is All We Need for Enhancing Emotional Reasoning with Commonsense Knowledge},
author = {Kailai Yang and Tianlin Zhang and Shaoxiong Ji and Sophia Ananiadou},
journal= {arXiv preprint arXiv:2308.04811},
year = {2023}
}
备注
Accepted by CIKM 2023 as a long paper