ACLMay, 2018

Event2Mind：针对事件、意图和反应的常识推理

PDF
TL;DR研究探讨了一种新的常识推断任务，通过构建新的众包语料库并使用神经编码器 - 解码器模型，成功地分析先前未见过的事件并推断参与者的意图和反应，揭示了现代电影剧本中普遍存在的隐性性别不平等问题。
commonsense inferenceneural encoder-decoder modelsgender inequalitymovie scriptsintent and reactions
发现论文，激发创造
  • 利用外部常识知识增强的事件表示学习

    本论文提出一种利用外部常识知识的方法，增强文本中提取的事件表示的有效性，实验结果表明该方法在事件相关任务中表现良好，如事件相似度计算、脚本事件预测和股票市场预测等方面得到了显著优化。

    Sep, 2019

  • 事件共指解析中的多事件常识：前后发生的事情

    本文提出了一种扩展事件提及的模型，利用时间的常识推理生成一个复杂句子中与某一事件有关的先后发生的合理事件，将这种推理纳入事件共指模型中，可以提高其性能。

    Feb, 2023

  • 多视角的语境常识推理：一个新的数据集和任务

    该论文介绍了一个包含多种类型的文本解释的数据集 CICEROv2，提出了一系列的预训练目标来帮助下游任务。结果表明，该论文中的预训练目标对于预训练模型来说是有效的。

    Oct, 2022

  • 常识知识图谱上的逻辑查询复杂推理

    通过从现有的常识知识图谱（CSKG）中采样多跳逻辑查询，并使用手工规则和大语言模型进行言语化，我们提出了 COM2（复杂常识）数据集，训练于此的语言模型在复杂推理能力方面取得了显著提升，从而在问题回答和生成常识推理的任务中表现出了增强的零样本性能，而无需昂贵的人工注释。

    Mar, 2024

  • 利用上下文感知变分自编码器对 If-Then 常识推理的事件背景建模

    提出了一个名为 Atomic 的 If-Then 常识推理数据集，结合基于 RNN 的 Seq2Seq 模型进行推理。针对 Seq2Seq 模型的语义相似性问题和理解事件所需的外部知识，提出了一种新的上下文感知变分自编码器来指导推理。实验结果表明，我们的方法相对于基线方法可以提高推理的准确性和多样性。

    Sep, 2019

  • 从电影场景中无监督归纳出特定事件对

    本文关注了人类在叙事中的推理行为，提出了一种基于无监督方法和借鉴先前工作的事件对概率建模的方法，通过利用网络搜索数量和人类判断的连续性来提高准确率。

    Aug, 2017

  • 程序性文本中实体和事件的因果推理

    本研究提出 CREPE 作为第一个事件因果推理和实体状态的基准测试，并在其中发现大多数语言模型表现低迷，但通过将事件表示为编程语言，并在表示中注入实体和事件之间的因果关系，提高了模型的性能。

    Jan, 2023

  • 注入常识知识对动作和状态变化的推理

    本文探讨了通过引入全局常识约束和利用大规模语料库的先验知识，将预测性文本描述中的操作和状态更改建模，从而提高神经结构预测模型的准确性和可靠性，并在基准数据集上展示了相对增益为 8％的结果。

    Aug, 2018

  • 什么推动了故事发展？从常识推断出作为未来事件生成提示的解释

    该论文提出了一种新型的可解释的未来事件生成框架 Coep，该框架集成了两种类型的事件知识，包括直接事件 - 事件关系的序列知识和反映事件之间的心理联系的推理知识，并设计了两个模块 Im 和 Gm，以帮助生成未来事件。

    Jan, 2022

  • EvEntS ReaLM: 基于语言模型的实体状态事件推理

    本文研究事件涵义的模型，通过探讨其对物理属性的理解能力来预测实体状态变化。作者发现，传统的大型语言模型无法很好地理解这方面的知识；而通过适当的提示方式，它们的性能可以得到极大的提升，尤其是对于未知的属性或数据信息不足的情况。

    Nov, 2022