[论文解读] A Sheaf Model of Contradictions and Disagreements. Preliminary Report and Discussion

Wlodek Zadrozny, Luciana Garbayo|arXiv (Cornell University)|Jan 27, 2018

Topological and Geometric Data Analysis参考文献 28被引用 7

一句话总结

本文提出了一种层论模型，以形式化地表示和分析自然语言文本中的矛盾与分歧，尤其是在专家指南中。通过将语言陈述建模为在格上的参数化公式，并在偏序集上构建层，该方法能够识别不一致的根源，通过全局截面和局部截面衡量分歧强度，并支持和解策略——为自然语言处理和知识融合中的语义冲突提供了数学上严谨的框架。

ABSTRACT

We introduce a new formal model -- based on the mathematical construct of sheaves -- for representing contradictory information in textual sources. This model has the advantage of letting us (a) identify the causes of the inconsistency; (b) measure how strong it is; (c) and do something about it, e.g. suggest ways to reconcile inconsistent advice. This model naturally represents the distinction between contradictions and disagreements. It is based on the idea of representing natural language sentences as formulas with parameters sitting on lattices, creating partial orders based on predicates shared by theories, and building sheaves on these partial orders with products of lattices as stalks. Degrees of disagreement are measured by the existence of global and local sections. Limitations of the sheaf approach and connections to recent work in natural language processing, as well as the topics of contextuality in physics, data fusion, topological data analysis and epistemology are also discussed.

研究动机与目标

• 为解决专家指南中的不一致问题，例如相互冲突的医疗或营养建议，这些冲突在临床和公共决策中造成困惑。
• 通过基于格的参数化建模语义变异，区分真正的矛盾与单纯的分歧。
• 开发一个正式框架，以识别不一致的根本原因，量化分歧强度，并提出和解策略。
• 探索层论在自然语言语义中的适用性，特别是针对多源信息融合和上下文敏感推理。
• 将该模型与更广泛领域（如拓扑数据分析、认识论以及物理学中的上下文性）相联系。

提出的方法

• 将自然语言句子表示为基于格（例如时间、温度、剂量）的参数化逻辑公式，依据共享谓词形成偏序集。
• 在理论的偏序集上构建层，其纤维（stalks）定义为格的乘积，以捕捉局部一致性和参数依赖性。
• 利用全局截面的存在性（在所有局部数据中一致）来衡量一致程度；全局截面的缺失表明不一致。
• 应用局部截面评估分歧的强度和结构，区分部分冲突与完全冲突。
• 利用本体论和语义分类体系（例如 SUMO、WordNet）推断术语之间的上下文关系，支持格的构建。
• 整合标量暗示和上下文丰富化，以评估分歧在更丰富的语义解释下是否会演变为矛盾。

实验结果

研究问题

• RQ1 如何利用数学结构正式区分并建模文本来源中的矛盾与分歧？
• RQ2 专家指南中的不一致原因是什么，能否系统性地识别这些原因？
• RQ3 如何以反映现实世界解释变异的方式量化分歧强度？
• RQ4 层论能否为调和多个权威来源的冲突建议提供稳健的框架？
• RQ5 上下文和标量暗示在多大程度上将分歧转化为矛盾，这对模型设计有何影响？

主要发现

• 该层模型通过分析全局截面的存在性，成功区分了矛盾与分歧：若多源数据一致则表示一致，若缺失则表示矛盾。
• 分歧强度通过局部截面的数量和结构进行量化，提供了可测量且上下文敏感的不一致评估。
• 该模型通过分析格之间参数依赖性，识别出不一致的根本原因，例如培根制备指南中的温度与烹饪时间。
• 该框架通过建议满足多个指南的一致参数值，支持和解，如在运动和筛查建议中的应用所示。
• 该方法揭示，上下文和标量暗示可减少歧义，可能在更丰富的语义解释下将分歧转化为矛盾。
• 该模型适用于多种领域，包括医疗指南、多文档摘要和知识库融合，且与拓扑数据分析和认识论存在关联。