万事皆有因：在过程文本中发现动作的目的
计算与语言
2019-09-20 v2 人工智能
摘要
我们的目标是通过不仅预测会发生什么，而且为何某些动作须先于其他动作发生，来更好地理解过程文本，例如关于光合作用的段落。我们的方法基于先前的流程理解框架（用于预测动作效应），进一步识别这些效应所启用的后续步骤。我们提出新模型 XPAD，将效应预测偏向那些（1）能解释段落中更多动作、且（2）相对于背景知识更合理的效应。我们还扩展了现有的过程文本理解基准数据集 ProPara，增添通过预测动作依赖关系来解释动作的新任务。我们发现 XPAD 在此任务上显著优于先前系统，同时在 ProPara 原始任务上保持性能。数据集可从 http://data.allenai.org/propara 获取。
引用
@article{arxiv.1909.04745,
title = {Everything Happens for a Reason: Discovering the Purpose of Actions in Procedural Text},
author = {Bhavana Dalvi Mishra and Niket Tandon and Antoine Bosselut and Wen-tau Yih and Peter Clark},
journal= {arXiv preprint arXiv:1909.04745},
year = {2019}
}
备注
Accepted to EMNLP 2019 as a long paper. This revision fixed a typo in an author name in references