[論文レビュー] Generating Negative Commonsense Knowledge.

Tara Safavi, Danai Koutra|arXiv (Cornell University)|Nov 15, 2020

Topic Modeling参考文献 7被引用数 7

ひとこと要約

本論文では、知識ベースの拡張を目的として、意味のある否定例を取得する課題に取り組むための、NegatERと呼ばれるフレームワークを提案する。実験的評価により、NegatERは内的価値が高く、外部的有用性を持つ否定文を生成し、下流の推論および知識ベース補完の性能向上を可能にする。

ABSTRACT

The acquisition of commonsense knowledge is an important open challenge in artificial intelligence. In this work-in-progress paper, we study the task of automatically augmenting commonsense knowledge bases (KBs) with novel statements. We show empirically that obtaining meaningful negative samples for the completion task is nontrivial, and propose NegatER, a framework for generating negative commonsense knowledge, to address this challenge. In our evaluation we demonstrate the intrinsic value and extrinsic utility of the knowledge generated by NegatER, opening up new avenues for future research in this direction.

研究の動機と目的

• コモンセンス知識ベース（KB）補完のための意味のある否定的サンプルを取得するという未解決の課題に取り組む。
• 意味的に妥当で情報量のある否定的文を生成するという非自明な困難に打ち勝つ。
• 知識ベース拡張のための新しい否定的コモンセンス知識を自動的に生成する体系的な手法を開発する。
• 生成された否定的知識の内的品質と外部的有用性を下流タスクで実証する。

提案手法

• 肯定的知識エントリを反転または対比させることで、否定的コモンセンス文を生成するためのフレームワーク、NegatERを設計する。
• 既存のコモンセンスKBを肯定的事実のソースとして活用し、妥当な否定的対応文を導出する。
• 生成された否定文の意味的整合性と関連性を保証するために、言語的および論理的変換を適用する。
• テンプレートベースとニューラル生成技術の組み合わせを用いて、多様で現実的な否定文を生成する。
• 生成された否定文が既知の肯定的事実と論理的に矛盾するが、文法的および文脈的に妥当であることを保証する。
• 内的および外部的評価プロトコルを用いて、生成された否定文の品質を評価する。

実験結果

リサーチクエスチョン

• RQ1 既存の肯定的知識を補完する意味的有意義な否定的コモンセンス文を体系的に生成する方法は何か？
• RQ2 意味的に妥当で、かつ既知の事実と論理的に矛盾する高品質な否定的サンプルを生成するための技術は何か？
• RQ3 生成された否定的文は、下流の知識補完タスクの性能をどの程度向上させるか？
• RQ4 生成された否定的知識の内的品質は、人間がアノテートした否定的知識と比べてどうか？

主な発見

• 意味的有意義な否定的コモンセンス知識の生成は非自明であり、単純なデータ拡張を超える専用技術を要する。
• NegatERは、意味的に整合性があり、肯定的事実と論理的に矛盾する否定文を効果的に生成する。
• 品質評価指標による評価から、生成された否定的知識は内的価値を有していることが示された。
• 知識補完モデルの性能向上によって、否定的文の外部的有用性が実証された。
• 実験的評価により、NegatERが知識ベース推論システムの頑健性および一般化性能を向上させることを確認した。
• このフレームワークは、AIシステムにおける否定的知識統合の新たな研究方向性を開いた。