[論文レビュー] Winograd Schema - Knowledge Extraction Using Narrative Chains

Vatsal Mahajan|arXiv (Cornell University)|Jan 8, 2018

Topic Modeling参考文献 2被引用数 3

ひとこと要約

この論文は、ナラティブイベントチェーンから常識的知識を抽出する手法を提案し、機械推論のベンチマークであるWinograd Schema Challenge（WSC）のパフォーマンスを向上させることを目的としている。イベントとその参加者をイベントベースの条件的常識（ECC）テンプレートとしてモデル化することで、因果的および時間的依存関係を捉え、ナラティブチェーン解析によりWSCタスクのサブセットで優れた結果を達成した。

ABSTRACT

The Winograd Schema Challenge (WSC) is a test of machine intelligence, designed to be an improvement on the Turing test. A Winograd Schema consists of a sentence and a corresponding question. To successfully answer these questions, one requires the use of commonsense knowledge and reasoning. This work focuses on extracting common sense knowledge which can be used to generate answers for the Winograd schema challenge. Common sense knowledge is extracted based on events (or actions) and their participants; called Event-Based Conditional Commonsense (ECC). I propose an approach using Narrative Event Chains [Chambers et al., 2008] to extract ECC knowledge. These are stored in templates, to be later used for answering the WSC questions. This approach works well with respect to a subset of WSC tasks.

研究の動機と目的

• 現在の機械推論システムがWinograd Schema Challenge（WSC）に必要な常識的知識を理解する点での限界を克服すること。
• イベントとその参加者間の因果的および時間的依存関係を捉える知識抽出手法を開発すること。
• ナラティブイベントチェーンを構造化された常識的知識テンプレートとしてモデル化することで、WSCのパフォーマンスを向上させること。
• ナラティブチェーンがAIシステムにおける現実世界の推論をエンコードするのに有効であることを実証すること。

提案手法

• Chアームズら（2008）のナラティブイベントチェーン（NECs）を用いて、イベントの系列とその参加者をモデル化する。
• イベントとその参加者を、因果的および時間的依存関係をエンコードするためのイベントベースの条件的常識（ECC）テンプレートとして形式化する。
• 自然言語のナラティブからトリガー、参加者、イベント関係を特定することでECCテンプレートを構築する。
• 抽出されたECCは、後続のWSC質問応答のための再利用可能な知識構造として保存される。
• ナラティブチェーンが曖昧性解消に十分な文脈を提供するWCSの例のサブセットに焦点を当てる。
• 既存のナラティブ構造を活用して、外部の知識ベースを必要とせずに、暗黙の常識的知識を推論する。

実験結果

リサーチクエスチョン

• RQ1 ナラティブイベントチェーンは、Winograd Schema Challengeのための常識的知識抽出に効果的に利用できるか？
• RQ2 ナラティブチェーンから導出されたECCテンプレートは、他の知識抽出手法と比較してWSCタスクでどの程度のパフォーマンスを示すか？
• RQ3 ナラティブチェーンに基づく推論で解けるWSCの例のサブセットはどれか？
• RQ4 イベントベースの条件的常識表現は、WSCに必要な因果的および時間的推論をどの程度適切に捉えているか？
• RQ5 ナラティブ構造そのもので、Winogradスキーマの代名詞の曖昧性解消に十分な知識を提供できるか？

主な発見

• 提案手法は、ナラティブイベントチェーンを活用することで、WSCタスクのサブセットで優れたパフォーマンスを達成した。
• イベントベースの条件的常識（ECC）テンプレートは、WSCにおける代名詞解消に必要な常識的知識を効果的にエンコードしている。
• ナラティブチェーンは、WSCに関連する現実世界の因果的および時間的依存関係を構造的かつ解釈可能な方法でモデル化する手段を提供する。
• このアプローチは、文脈とイベントの順序が十分であれば、ナラティブ構造そのもので推論を支援できることを示している。
• 大規模な外部知識ベースに依存せずに、スケーラブルな常識的知識抽出の可能性を示している。
• 結果から、ナラティブチェーンは機械推論タスクにおける常識的知識の有効なソースであると示唆された。