基于神经常识知识与符号逻辑规则的对话式多跳推理
人工智能
2021-09-20 v1 计算与语言
机器学习
符号计算
摘要
对话智能体面临的挑战之一是无法识别用户指令中未明言的预设，而这对人类而言由于常识而是轻而易举的。在本文中，我们为对话智能体提出了一种零样本常识推理系统，试图实现这一点。我们的推理器从满足“若-(状态)，则-(动作)，因为-(目标)”通用模板的用户指令中揭示未明言的预设。我们的推理器使用最先进的基于 transformer 的生成式常识知识库（KB）作为其推理背景知识的来源。我们提出了一种新颖的迭代知识查询机制，从神经 KB 中提取多跳推理链，该机制使用符号逻辑规则来显著缩小搜索空间。与迄今收集的任何 KB 类似，我们的常识 KB 容易缺失知识。因此，我们提出通过新颖的动态问题生成策略，以对话方式从人类用户处获取缺失知识，该策略生成并向人类用户呈现上下文相关的查询。我们通过涉及人类用户的用户研究对模型进行评估，与 SOTA 相比取得了高 35% 的成功率。
引用
@article{arxiv.2109.08544,
title = {Conversational Multi-Hop Reasoning with Neural Commonsense Knowledge and Symbolic Logic Rules},
author = {Forough Arabshahi and Jennifer Lee and Antoine Bosselut and Yejin Choi and Tom Mitchell},
journal= {arXiv preprint arXiv:2109.08544},
year = {2021}
}
备注
Appearing in the 2021 Conference on Empirical Methods in Natural Language Processing (EMNLP)