[论文解读] An Atlas of Cultural Commonsense for Machine Reasoning.

Anurag Acharya, Kartik Talamadupula+1 more|arXiv (Cornell University)|Sep 11, 2020

Topic Modeling参考文献 57被引用 12

一句话总结

本文通过收集并分析美国、印度和菲律宾在成年礼、婚礼和葬礼等仪式相关知识，提出了一种具有文化意识的常识推理框架。通过扩展现有众包方法以捕捉具有文化差异的关系，本文表明文化差异显著影响常识知识的构建，推动了构建上下文与文化敏感型自然语言处理系统的目标。

ABSTRACT

Existing commonsense reasoning datasets for AI and NLP tasks fail to address an important aspect of human life: cultural differences. In this work, we introduce an approach that extends prior work on crowdsourcing commonsense knowledge by incorporating differences in knowledge that are attributable to cultural or national groups. We demonstrate the technique by collecting commonsense knowledge that surrounds three fairly universal rituals---coming-of-age, marriage, and funerals---across three different national groups: the United States, India, and the Philippines. Our pilot study expands the different types of relationships identified by existing work in the field of commonsense reasoning for commonplace events, and uses these new types to gather information that distinguishes the knowledge of the different groups. It also moves us a step closer towards building a machine that doesn't assume a rigid framework of universal (and likely Western-biased) commonsense knowledge, but rather has the ability to reason in a contextually and culturally sensitive way. Our hope is that cultural knowledge of this sort will lead to more human-like performance in NLP tasks such as question answering (QA) and text understanding and generation.

研究动机与目标

• 解决现有常识推理数据集中缺乏文化多样性的问题，这些数据集往往反映西方、尤其是以美国为中心的偏见。
• 探究不同文化或国家群体在关于成年礼、婚礼和葬礼等普遍仪式的常识知识方面有何差异。
• 扩展现有的常识知识收集方法，纳入超越标准事件关系类型的文化特异性关系与区分。
• 为构建能够运用文化敏感性知识而非假设普遍适用、以西方为中心的框架的自然语言处理系统奠定基础。
• 贡献一个试点数据集和方法，用于捕捉扎根于文化的常识知识，以支持问答和文本理解任务中更接近人类表现的人工智能。

提出的方法

• 在三个国家群体（美国、印度和菲律宾）中，针对三种普遍仪式——成年礼、婚礼和葬礼——开展众包数据收集工作。
• 设计并应用超越标准常识类别（如“导致”、“防止”）的新关系类型，以捕捉文化特异性联系，如社会义务、宗教习俗和地方实践。
• 使用结构化标注协议，从每个文化群体的母语者处收集知识，确保体现当地规范与传统。
• 分析并比较各国家群体收集到的知识，识别出不同文化在理解与体验仪式方面系统性的差异。
• 将所得数据集整合进一个支持机器运用文化语境化知识的框架中，超越“一刀切”的常识模型。
• 利用该数据集训练并评估能够推理文化差异在仪式事件中表现的模型，从而增强自然语言处理任务中的上下文与文化敏感性。

实验结果

研究问题

• RQ1 文化或国家群体在关于成年礼、婚礼和葬礼等普遍仪式的常识知识方面有何差异？
• RQ2 在跨多元文化语境收集常识知识时，除了先前以西方为中心的数据集所识别的关系类型外，还会涌现出哪些新型关系？
• RQ3 文化规范与地区实践在多大程度上塑造了人们在日常生活中对社会仪式的推理方式？
• RQ4 具有文化意识的常识知识库能否提升自然语言处理系统在问答和文本生成等任务中的表现？
• RQ5 如何扩展常识推理框架以纳入文化多样性，同时避免假设一种普遍适用、以西方为中心的人类知识模型？

主要发现

• 在理解与关联成年礼、婚礼和葬礼等普遍仪式方面，美国、印度和菲律宾在文化认知上存在显著差异。
• 数据中涌现出反映文化特异性的新关系类型，如宗教义务、家庭角色和地方习俗，这些在以往以西方为重点的数据集中均未出现。
• 所收集的知识表明，即使是对普遍认可的仪式，其相关社会、情感和实际维度在不同文化间也存在显著差异。
• 试点研究成功证明，可通过有针对性的众包方式系统性地收集扎根于文化的常识知识，验证了该方法的可行性。
• 该数据集为训练能够结合文化语境推理的自然语言处理模型提供了基础，推动了常识推理中摆脱僵化、普遍化假设的进程。
• 结果表明，将文化多样性纳入常识知识体系，可使自然语言处理任务（如问答和文本生成）实现更接近人类的表现。