我知道你所问：基于AMR的图路径学习用于常识推理
计算与语言
2020-11-09 v2 人工智能
摘要
CommonsenseQA是一项通过预定义知识进行常识推理来预测正确答案的任务。大多数先前的工作旨在利用分布式表示提升性能，而未考虑从问题的语义表示出发预测答案的过程。为阐明问题的语义解释，我们提出了一种AMR-ConceptNet-Pruned（ACP）图。该ACP图从涵盖由输入问题生成的抽象语义表示（Abstract Meaning Representation, AMR）图与外部常识知识图ConceptNet（CN）的完整融合图中剪枝得到。随后，利用ACP图来解释推理路径，并预测CommonsenseQA任务上的正确答案。本文展示了如何借助ACP图所提供的关联关系与概念来解释常识推理过程。此外，基于ACP的模型被证明优于基线方法。
引用
@article{arxiv.2011.00766,
title = {I Know What You Asked: Graph Path Learning using AMR for Commonsense Reasoning},
author = {Jungwoo Lim and Dongsuk Oh and Yoonna Jang and Kisu Yang and Heuiseok Lim},
journal= {arXiv preprint arXiv:2011.00766},
year = {2020}
}
备注
Accepted to COLING 2020