Jan, 2020

多方面常识知识的联合推理

PDF
TL;DR本文提出了一种多维模型的常识知识语句，以及一种关于相关语句集合的联合推理方法。通过将推理转化为整数线性规划，采用软约束和松弛 LP 的降维成本理论来计算信息化排序，本方法可以应用于多个大型 CSK 收集，最终可以将这些内容转化为更干净和更具表现力的知识。
commonsense knowledgemulti-faceted modelreasoningtaxonomic hierarchyinteger linear programming
发现论文，激发创造
  • 常识知识的整合

    通过对常识知识源进行调查，本文提出了构建通识知识图谱的原则、表示模型，将七个独立的常识知识源整合到了第一版集成的通识知识图谱中，并分析了它在四个问答数据集上的应用统计结果和所得到的经验教训。

    Jun, 2020

  • 通感知识获取的高级语义学

    本文介绍了一种称为 Ascent 的方法，用于自动构建具有先进表达能力、高精度和高召回率的常识知识库，并且超越了之前的三元组限制，同时捕获了具有子组和方面的复合概念，并通过语义方面完善了断言。

    Nov, 2020

  • 大规模 Web 内容的常识知识精炼

    ASCENT++ 是一个自动构建常识知识库的方法，可以捕捉到复合概念并通过 OpenIE、Typicality 和 Saliency 评分进行清洗和排序，以表达常识的时间和空间有效性，并且使用广泛的网页内容提高覆盖率，评估结果表明其在常识推理和问题回答中的优势。

    Nov, 2021

  • 通识知识图谱：CSKG

    本文介绍了五个原则来整合七个主要源的常识知识，创建第一个集成的 CommonSense Knowledge Graph（CSKG），并显示其各种文本和图形嵌入。同时，阐述了 CSKG 可以提供证据来支持下游推理和语言模型的预训练，并公开了 CSKG 及其所有嵌入以支持常识知识整合和推理的进一步研究。

    Dec, 2020

  • 基于概率逻辑的常识表征框架：用于建模具有多个前提和变化可能性的推理

    本论文研究如何更好地表示常识知识，提出了一种概率逻辑表示方案和一种层次化概念本体论，能够更灵活地表示信念，并在神经符号应用中使用。通过专家注释和群众众包，将这个框架扩展到 PrimeNet 知识库，并展示其在更易解释的语义解析和问题回答中的应用。

    Nov, 2022

  • UnCommonSense: 关于日常概念的信息性负知识

    本文提出了 UNCOMMONSENSE 框架，以材料化负面常识陈述，给定一个目标概念，识别 CSKB 中可比较的概念，通过局部封闭世界假设将可比较概念的正陈述用于生成负陈述候选项，并对其进行筛选和排序。该方法超出了现有技术在内在和外在评估方面的表现，并发布了大量的信息性否定数据集作为未来研究的资源。

    Aug, 2022

  • 基于视觉的常识知识获取

    CLEVER 是一种利用视觉感知中蕴含的 commonsense 知识，在不需要人类对图像实例进行注释的情况下，通过远程监督的多实例学习问题，从图像中提取 commonsense 知识的方法。实验结果表明，CLEVER 可以提取有质量的 commonsense 知识。

    Nov, 2022

  • Wikidata 中的常识知识

    本研究调查了 Wikidata 中是否包含与现有常识源不同的常识知识，并通过三个指导原则生成了 Wikidata 的常识子图。实验发现，尽管 Wikidata-CS 表示 Wikidata 的一小部分，但它是包含相关常识知识的指示器，可以映射到 15 个 ConceptNet 关系；Wikidata-CS 与其他常识源的重叠很小，需要进行知识集成和质量改进。基于这些发现，我们提出了三个长期改进建议。

    Aug, 2020

  • 常识知识的维度

    本文旨在通过整合常识知识维度，调查了许多常识知识来源并将它们合并成 13 个常识知识维度，其中时间和渴望 / 目标维度对于现有的下游推理任务非常有益，而不同性和词汇知识对这些任务的影响相对较小。

    Jan, 2021

  • 在视觉对话中运用多结构常识知识进行推理

    本文提出了一种基于多结构的常识知识的推理模型，通过句子级事实和图级事实表示外部知识，通过图形交互和变压器融合捕获相关的知识并将其融入视觉和语义特征中，已在 VisDial v1.0 和 VisDialCK 数据集上取得了有效的性能优于比较方法。

    Apr, 2022