常识问答研究综述

常识问答是一项重要的自然语言理解任务, 旨在利用常识知识对自然语言问句进行自动求解, 以得到准确答案. 常识问答在虚拟助手或社交聊天机器人等领域有着广泛的应用前景, 且其蕴涵了知识挖掘与表示、语言理解与计算、答案推理和生成等关键科学问题, 因而受到工业界和学术界的广泛关注. 首先介绍常识问答领域的主要数据集; 其次, 归纳不同常识知识源在构建方式、常识来源和表现形式上的区别; 同时, 重点分析并对比前沿常识问答模型, 以及融合常识知识的特色方法. 特别地, 根据不同问答任务场景中常识知识的共性和特性, 建立包含属性、语义、因果、语境、抽象和意图6大类的知识分类体系. 以此为支撑, 针对常识知识数据集建设, 感知知识融合和预训练语言模型的协作机制, 以及在此基础上的常识知识预分类技术, 进行前瞻性的研究, 并具体报告上述模型在跨数据集迁移场景下的性能变化, 及其在常识答案推理中的潜在贡献. 总体上, 包含对现有数据和前沿技术的回顾, 也包含面向跨数据知识体系建设、技术迁移与通用化的预研内容, 借以在汇报领域技术积累的前提下, 为其理论和技术的进一步发展提供参考意见.     

知识与常识的表示和推理

一、引言无疑,常识(Common Knowledge)的表示和推理是知识领域中极其关键的研究问题,因为常识的特殊性质使它在多主体(Multi-agent)协同推理、通讯中起着重要的作用。可以看到,对于多主体的问题如三个聪明人问题,Conway问题乃至更一般的博奕理论,分布式处理等,都将涉及到超越个体知识和事实之上的更高层次的知识,这就是常识。常识     

常识：知识获取的瓶颈

一、常识问题的由来智能系统之所以能展现智能行为,是因为它形式化包含了某些人的知识,且这些知识是系统行为的核心。智能系统的知识是由知识工程师和领域专家进行交流提取的,这里所指的领域专家也包括由领域专家所撰写的专业文献。这个看似简单的过程其实蕴涵着专家系统构造中的一个瓶颈问题:知识     

常识的特征和模型

常识的表示与推理是知识领域中极其关键的研究问题。本文论述了常识的概念和基本特征,并从常识的逻辑内涵出发,用构造的方法给出常识模型,用之于检查知识推理的协调性,最后讨论了常识推理的不精确性问题。     

一种交互式事件常识知识的获取方法

赋予机器常识知识是使机器具有真正智能的必备条件之一,而获得这些常识一直是人工智能研究的一个重要课题。该文提出了一种通过交互的方式来引导知识贡献者给出关于事件的常识知识的方法。方法获取过程是一个机器与贡献者的交互过程: 机器动态地生成问题,对知识贡献者进行提问;知识贡献者通过回答问题给出常识知识。交互过程通过包含提示信息的提问问题对知识贡献者进行提示,运用七种类型问题层层递进地引导知识贡献者思考,以此唤醒他们大脑中的常识知识;通过动态变化的问题改善知识贡献者贡献常识知识过程的趣味性。同时,该文还引入可接受性和有效性两个定量标准评价提问问题,用于进一步改善交互过程。实验结果表明,知识贡献者运用此方法给出的知识量增加了451.61%,同时知识的正确率也达到了92.5%。
     

事件前提和后果常识知识分析方法研究

事件推理的研究需要事件的知识作支撑。事件知识作为一种常识性知识,其获取仍然是知识获取的瓶颈。提出一种事件知识分析方法,以从多个视角分析事件的前提和后果知识。在对事件知识分析中遵循基础分析、知识丰富、知识优化的流程。针对分析过程中所得知识不够全面和准确的问题,总结得出生理、心理、社会、物理世界4个常识知识角度,同时在知识丰富步骤中提出了角色细化的方法。实验表明,此方法能够得到较为全面和准确的事件知识。     

用人要疑 疑人要用

"用人不疑"和"疑人不用"这两条古训在中国流传了几千年,也影响了中国人几千年。仔细分析,不难发现,这是封建统治者进行"人治"统治的一种冠冕堂皇的、自欺欺人的谎言与愚弄百姓的工具。在那种"君要臣死、臣不得不死"的封建君主专制的     

嵌入常识的混合注意力LSTM用于主题情感分析

传统神经网络模型在捕捉上下文信息时,缺乏对于某一主题重要线索的准确分析能力。对此提出嵌入常识知识库的混合注意力长短时记忆网络(LSTM)主题情感分析模型。通过引入全局注意力和位置注意力机制来改进长短时记忆网络LSTM;将常识知识库嵌入到LSTM的情感分类训练中。该模型在推断特定主题的情感极性时明确地抓住了每个上下文词的重要性,使分类更加准确。实验结果表明,混合注意力模型与常识知识库的引入,提高了主题情感分析的分类效果。     

多Agent系统中的常识和分布式知识

Agent的形式化研究已成为人工智能、哲学逻辑和计算语言学共同关心的重要课题,有着广泛的应用。逻辑学的理论为人工智能的发展提供了有力的工具。介绍了Agent系统设计的逻辑学基础,以及模态逻辑和认知逻辑,在此基础之上重点介绍了多Agent系统中的常识和分布式知识。     

基于情感常识的情感分析

近年来,随着人工智能领域的蓬勃发展,计算机对于常识知识的需求逐渐增加。情感常识作为常识知识中的一部分,同样是当前情感计算领域的一个重要方面。鉴于情感词典结构与内容的局限性,该文设计了一种二元情感常识结构并以此为基础构建中文情感常识库。其构建过程首先通过知识提取获得情感常识知识候选集,再经过人工筛选与自动化扩展形成最终的情感常识库。在公开数据集上的实验结果表明,该文所构建的二元情感常识库有利于提高文本情感分析的精度。     

常识知识在事例修改中的应用

事例改写一直是基于事例推理(Case—Based Reasoning,CBR)方法中的难点之一。用知识的观点来诠释基于事例推理,细分了在CBR中所用到的知识,以银行贷款业务为例探讨了常识知识在事例修改中应用的应用方法——综合得分法,并探讨了相应的常识知识的存储。     

基于常识的亲属关系推理模型

常识知识的研究与发展得到了人工智能界的很大重视。文章建立了一个基于常识的人物亲属关系推理模型,研究了亲属关系常识以及人物信息的表示与存储。此外,对实际所要解决的问题进行了总结。     

当你成为老板

你还在为自己是个“新人”而小心翼翼吗,掌握了领导者所需的要素,会让你在管理层中大放光彩。     

与老板斗其乐无穷

老板要求员工能恪尽职守，勤奋苦干，不计个人得失（最好能不要工资^_^），为公司创造最多的利润；员工则希望老板能宽松驭下，在自己能完成当日工作的前提下，适当放宽自由时间。于是，在老板和员工之间，一场看不见硝烟的战争便自然而然地发生了…     

遭遇感性老板

在加入橘子家具不到半年的时间里,CIOS郭振军感觉异常难受,而让他如此身心俱疲的最直接的原因,来自于他有一个“反复无常”的老板。     

遭遇感性老板

在加入橘子家具不到半年的时间里,CIOS郭振军感觉异常难受,而让他如此身心俱疲的最直接的原因,来自于他有一个“反复无常”的老板。     

微软的新老板萨蒂亚·纳德拉

萨蒂亚·纳德拉是微软历史上的第三任CEO。目前,微软正处于一场生死攸关的“搏斗”之中,萨蒂亚·纳德拉是否能够带领微软公司走向正确的方向？或许,我们可以先了解一下微软的这位新老板。     

初等数学应用题题意理解中的常识库系统构建

类人计算领域, 题意的机器理解是数学应用题自动求解的难点. 常识性知识的缺失直接影响到题意理解的准确性. 本研究以常识为研究对象, 收集了历年初等数学古典概型的典型案例, 分析了古典概型类应用题的常识特征, 并进行了常识类型划分; 设计了XML结构存储常识性知识, 构建常识库系统实现古典概型常识的分类、表征及存储, 辅助计算机进行题意理解. 通过典型案例的应用, 其结果显示本研究构建的常识库对古典概型应用题的题意正确理解是十分有帮助的.     

别拿老板不当干部

<正>很多年轻的从业者会在无意中忽视老板的作用,这种忽视可能带来灾难性的后果。职场里的前辈都有这样的体会,把工作做好只是一方面,还要和领导处好关系。职场是人的职场,人际关系的融洽,可能就决定你未来事业的成败。