ECNU-SenseMaker 在 SemEval-2020 任务 4 上的系统：利用异构知识资源进行常识验证与解释
计算与语言
2020-07-29 v1
摘要
本文描述了我们针对 SemEval-2020 任务 4：常识验证与解释 (Wang et al., 2020) 的系统。我们为此任务提出了一种新颖的知识增强图注意力网络 (KEGAT) 架构，利用来自结构化知识库（即 ConceptNet）和非结构化文本的异构知识，以更好地提升机器在常识理解方面的能力。该模型通过采用合适的常识融入方法和改进的数据增强技术，具备强大的常识推理能力。此外，协作了一种内部共享机制，以防止我们的模型在常识上出现推理不足或过度。结果表明，该模型在验证和解释两方面均表现良好。例如，其在称为常识解释（多选）的子任务中达到了最先进的准确率。我们正式将该系统命名为 ECNU-SenseMaker。代码公开于 https://github.com/ECNU-ICA/ECNU-SenseMaker。
引用
@article{arxiv.2007.14200,
title = {ECNU-SenseMaker at SemEval-2020 Task 4: Leveraging Heterogeneous Knowledge Resources for Commonsense Validation and Explanation},
author = {Qian Zhao and Siyu Tao and Jie Zhou and Linlin Wang and Xin Lin and Liang He},
journal= {arXiv preprint arXiv:2007.14200},
year = {2020}
}
备注
10 pages, 2 figures, accepted by Proceedings of the 14th International Workshop on Semantic Evaluation (SemEval 2020)