Sep, 2020

机器推理的文化常识图谱

PDF
TL;DR本文介绍了一种新的方法，通过在众包 commonsense 知识的基础上引入有文化或国家差异的知识，并将其应用于常见事件的 commonsense 推理中，从而区分不同国家 / 文化知识组的身份，有望提高人类化 NLP 任务性能。
commonsense reasoningcultural differencescrowdsourcingknowledgenlp tasks
发现论文，激发创造
  • 大规模多元文化知识获取与语言模型基准测试

    通过从维基百科文献到链接页面的导航，建立文化知识的多元多样化采集方法与 CultureAtlas 数据集，该数据集涵盖了各种亚国家地理区域和族群，用于评估语言模型在文化多元背景下的表现和开发具有文化敏感和意识的语言模型，以促进数字领域中全球文化的更具包容性和平衡的表达。

    Feb, 2024

  • 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

  • 大规模提取文化常识知识

    本文提出了一个用于在大规模上提取高质量文化常识知识 (CCsk) 的端到端方法，名为 CANDLE，该方法从 Web 语料库中提取 CCsk 断言并将它们组织成相符的类群，包括地理、宗教、职业等 3 个领域，多个文化方面。通过分类过滤和趣味分数评估方法，CANDLE 优于先前的作品，并且实验评估演示了 CCsk 对 GPT-3 语言模型带来的好处。

    Oct, 2022

  • 拓宽视野：Geo-Diverse 视觉常识推理

    本文构建了 Geo-Diverse Visual Commonsense Reasoning（GD-VCR）数据集，以测试视觉 - 语言模型理解文化和地理位置特定常识的能力。通过研究两种最先进的视觉 - 语言模型，我们发现它们对于非西方地区的性能显着低于西方地区，并分析了性能差异背后的原因。

    Sep, 2021

  • FolkScope: 基于意图的知识图谱构建为目的的电子商务常识发现

    本论文提出了 FolkScope—— 基于知识图谱构建的意图知识框架，借助大规模语言模型的生成能力和人机交互的标注，半自动地构建知识图谱，显现人类在电子商务平台购买商品过程中的意图结构，讨论了其内在质量和外部应用，证明其能够很好地模拟常识性的 e-commerce 知识。

    Nov, 2022

  • 多方面常识知识的联合推理

    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。

    Jan, 2020

  • 知识图谱增强的韩语生成式常识推理

    本文提出一种利用韩语知识图谱数据进行文本生成的方法，并强调使用补充数据可以增强韩语通识推理的效率。

    Jun, 2023

  • DISCOS: 架桥于话语知识与常识知识之间

    本文提出了一种基于 DISCOS 算法的常识知识获取框架，能够将更昂贵的复杂常识知识自动转化为更可承担的语言知识资源，以此来获取大规模常识推理知识。此方法在 novelty 和 diversity 方面表现优越，拥有着与监督学习方法相当的质量。

    Jan, 2021

  • 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

  • 多元文化常识知识蒸馏

    通过 MANGO 方法，从概念和文化两个入口点逐步指导大型语言模型，提取文化知识，通过聚类和生成式摘要方法合并，最终获得了 167K 个高准确性的关于 30K 个概念和 11K 个文化的表述，达到了非常显著的提升。将 MANGO 的知识应用于对话系统中，增强了对话系统的整体质量、特异性和文化敏感性，经过人工标注员评价证实。提供数据和代码下载。

    Feb, 2024