ATOMIC：用于 If-Then 推理的机器常识图谱
计算与语言
2019-02-11 v3
摘要
我们提出 ATOMIC，一部日常常识推理图谱，通过 877k 条推知知识的文本描述组织而成。相较于以分类知识为中心的现有资源，ATOMIC 聚焦于组织为带变量的类型化 if-then 关系（如“若 X 赞美 Y，则 Y 很可能回赞”）的推知知识。我们提出九种 if-then 关系类型以区分原因与结果、施事与主题、自主与非自主事件，以及行动与心理状态。通过在 ATOMIC 描述的丰富推知知识上生成式训练，我们展示神经模型可习得简单常识能力并推理先前未见事件。实验结果表明，相较孤立训练的模型，融入 if-then 关系类型层次结构的多任务模型在自动与人工评估下均带来更准推断。
引用
@article{arxiv.1811.00146,
title = {ATOMIC: An Atlas of Machine Commonsense for If-Then Reasoning},
author = {Maarten Sap and Ronan LeBras and Emily Allaway and Chandra Bhagavatula and Nicholas Lourie and Hannah Rashkin and Brendan Roof and Noah A. Smith and Yejin Choi},
journal= {arXiv preprint arXiv:1811.00146},
year = {2019}
}
备注
AAAI 2019 CR