具有关系预测器的神经-符号常识推理机
人工智能
2021-05-17 v1 计算与语言
摘要
常识推理旨在融入从常识知识图（CKG）检索到的一组常识事实，以对日常情境得出结论。常识知识的动态特性要求模型能够对新情境执行多跳推理。这一特性也导致大规模稀疏知识图的产生，其中需要此类推理过程来预测新事件间的关系。然而，该领域的现有方法受限于将 CKG 视为有限的 Facts 集合，因而难以对新的未见情境与事件进行推理。本文中，我们提出一种能够对大规模动态 CKG 进行推理的神经-符号推理机。我们的模型在训练期间学习用于 CKG 推理的逻辑规则。除提供可解释说明外，所学逻辑规则还有助于将预测泛化至新引入的事件。在 CKG 上链接预测任务的实验结果证明了我们模型的有效性，其性能优于最先进的模型。
引用
@article{arxiv.2105.06717,
title = {Neural-Symbolic Commonsense Reasoner with Relation Predictors},
author = {Farhad Moghimifar and Lizhen Qu and Yue Zhuo and Gholamreza Haffari and Mahsa Baktashmotlagh},
journal= {arXiv preprint arXiv:2105.06717},
year = {2021}
}
备注
ACL2021