支持社会常识知识获取的逻辑模型
人工智能
2019-12-30 v1
摘要
为使机器在机器人和对话等领域展现类人能力，社会常识知识(SCK)，即关于社会情境和社会角色的通识，是绝对必要的。因此，我们的最终目标是获取大规模SCK以支持更智能的应用。在此之前，我们需要清楚什么是SCK以及如何表示它，因为自动信息处理要求数据和知识以结构化且语义关联的方式组织。为此，本文基于一阶理论识别并形式化了三类基础SCK。首先，我们从将情境和角色均视为一阶公民且不生成角色实例的视角，识别并形式化了社会情境、角色和参与者之间的相互关系，如具有角色(having-role)和具有社会关系(having-social_relation)。其次，我们提供四层结构以识别并形式化社会情境、角色和参与者的内在信息(如事件和欲望)，并阐释了从参与者在具体情境中的表现来获取社会情境和角色内在信息的方式。第三，受对一些实际情境的观察启发，我们进一步引入并形式化了社会情境的嵌入，并刻画了从嵌入的更小且更简单的情境挖掘社会情境和角色内在信息的方式。本文结果为形式化远为复杂的SCK以及获取这三类基础SCK奠定了基础。
引用
@article{arxiv.1912.11599,
title = {A Logical Model for Supporting Social Commonsense Knowledge Acquisition},
author = {Zhenzhen Gu and Cungen Cao and Ya Wang and Yuefei Sui},
journal= {arXiv preprint arXiv:1912.11599},
year = {2019}
}