面向常识知识抽取的进阶语义
人工智能
2022-10-26 v4 计算与语言
摘要
关于概念及其属性的常识知识（CSK）对于鲁棒聊天机器人等 AI 应用十分有用。ConceptNet、TupleKB 等先前工作编纂了大型 CSK 集合，但其表达力受限于主-谓-宾（SPO）三元组，且 S 为简单概念、P 和 O 为整体字符串。此外，这些项目要么优先考虑准确率要么优先考虑召回率，却几乎未调和这些互补目标。本文提出一种称为 Ascent 的方法，自动构建大规模常识知识断言知识库（KB），具有进阶表达力且比先前工作同时具备更好的准确率和召回率。Ascent 超越三元组，通过捕获带子组和方面的复合概念，并通过语义面精炼断言。后者对于表达断言的时空有效性及进一步限定词十分重要。Ascent 将开放信息抽取与基于语言模型的审慎清洗相结合。内在评估显示了 Ascent KB 的优越规模与质量，而用于问答支撑任务的外在评估凸显了 Ascent 的益处。网页界面、数据与代码见 https://ascent.mpi-inf.mpg.de/。
引用
@article{arxiv.2011.00905,
title = {Advanced Semantics for Commonsense Knowledge Extraction},
author = {Tuan-Phong Nguyen and Simon Razniewski and Gerhard Weikum},
journal= {arXiv preprint arXiv:2011.00905},
year = {2022}
}
备注
12 pages, 3 figures, 11 tables