用于 Winograd Schema Challenge 中代词消歧问题的常识知识增强嵌入
人工智能
2016-12-23 v2
摘要
在本文中，我们提出常识知识增强嵌入 (KEE) 用于解决代词消歧问题 (PDP)。我们在本文中研究的 PDP 任务是一个复杂的共指消解任务，需要利用常识知识。该任务是 2016 年 Winograd Schema Challenge 的标准第一轮测试集。在此任务中，对传统共指消解有用的语言特征（例如上下文和性别信息）不再有效。因此，提出 KEE 模型以提供一个通用框架，利用常识知识解决 PDP 问题。由于 PDP 任务没有训练数据，KEE 模型将在无监督特征提取过程中使用。为评估 KEE 模型的有效性，我们提出将各种常识知识库，包括 ConceptNet、WordNet 和 CauseCom，整合到 KEE 训练过程中。我们通过将所提方法应用于 2016 年 Winograd Schema Challenge 取得了最佳性能。此外，在标准 PDP 任务上进行的实验表明，所提出的 KEE 模型能够以 66.7% 的准确率解决 PDP 问题，这是一种新的最先进 (SOTA) 性能。
引用
@article{arxiv.1611.04146,
title = {Commonsense Knowledge Enhanced Embeddings for Solving Pronoun Disambiguation Problems in Winograd Schema Challenge},
author = {Quan Liu and Hui Jiang and Zhen-Hua Ling and Xiaodan Zhu and Si Wei and Yu Hu},
journal= {arXiv preprint arXiv:1611.04146},
year = {2016}
}
备注
Winograd Schema Challenge, Pronoun Disambiguation Problems, Neural Embedding Methods, Commonsense Knowledge