[论文解读] CASPR: A Commonsense Reasoning-based Conversational Socialbot

Kinjal Basu, Huaduo Wang+5 more|arXiv (Cornell University)|Oct 11, 2021

Topic Modeling参考文献 22被引用 6

一句话总结

CASPR 是一种基于常识推理的对话社交机器人，通过利用对话知识模板（CKTs）来近似自动化常识推理，从而实现对用户话语的人性化理解与响应。尽管在延迟和可扩展性方面存在局限，CASPR 在亚马逊 Alexa 社交机器人挑战赛 4 中取得了优异表现，证明了将常识推理集成到端到端对话代理中的可行性。

ABSTRACT

We report on the design and development of the CASPR system, a socialbot designed to compete in the Amazon Alexa Socialbot Challenge 4. CASPR's distinguishing characteristic is that it will use automated commonsense reasoning to truly "understand" dialogs, allowing it to converse like a human. Three main requirements of a socialbot are that it should be able to "understand" users' utterances, possess a strategy for holding a conversation, and be able to learn new knowledge. We developed techniques such as conversational knowledge template (CKT) to approximate commonsense reasoning needed to hold a conversation on specific topics. We present the philosophy behind CASPR's design as well as details of its implementation. We also report on CASPR's performance as well as discuss lessons learned.

研究动机与目标

• 开发一种社交机器人，能够通过自动化常识推理理解用户话语，而不仅仅是基于模式匹配。
• 使社交机器人能够就电影、音乐、体育等一般话题展开自然且语境恰当的对话。
• 克服纯数据驱动、基于机器学习的聊天机器人缺乏语义基础和真正理解能力的局限。
• 探索使用答案集编程（ASP）和 s(CASP) 来建模默认规则、例外情况和多世界情境在常识推理中的应用。
• 设计并实现实用的近似方法（如对话知识模板，CKTs），以弥合理论常识推理与实时对话系统之间的差距。

提出的方法

• 采用对话知识模板（CKTs）对特定主题的知识进行结构化组织，以预测用户意图并规划响应。
• 使用答案集编程（ASP）和 s(CASP) 系统来建模默认推理、例外情况和偏好，以模拟类人思维过程。
• 开发了 DiscASP 算法，从用户提及的主题中计算出相关且一致的概念（如导演、剧情、奖项），以指导响应生成。
• 由于 s(CASP) 在延迟和可扩展性方面的限制，使用 Python 在 CoBot 框架内对复杂 ASP 推理进行近似。
• 在 CoBot 框架内集成语音识别、自然语言处理和文本生成组件，构建端到端系统。
• 通过人工整理领域特定的常识知识（如电影事实、书籍细节）以支持推理，因为现有知识库（如 ConceptNet）缺乏对默认/例外规则的建模。

实验结果

研究问题

• RQ1 基于 ASP 和 s(CASP) 的自动化常识推理是否能够使社交机器人超越表面模式，真正理解用户话语？
• RQ2 如何在实时对话系统中有效建模并应用带有例外和偏好的默认推理？
• RQ3 对话知识模板（CKTs）在社交机器人中能在多大程度上作为完整常识推理的实用近似？
• RQ4 在现实世界的对话人工智能系统中，全 ASP 基础推理与近似实现之间的性能权衡是什么？
• RQ5 如何利用结构化常识知识和推理构建领域特定的任务机器人（如部门前台助理）？

主要发现

• CASPR 在亚马逊 Alexa 社交机器人挑战赛 4 中取得了 3 分的竞争力得分，证明了常识推理在现实对话系统中的可行性。
• 对话知识模板（CKTs）的使用有效支持了响应规划和用户意图预测，即使缺乏完整的语义基础。
• 尽管 s(CASP) 在非单调推理方面具有理论优势，但其延迟和可扩展性问题迫使采用基于 Python 的近似实现，限制了全 ASP 集成。
• DiscASP 算法成功从用户提及的主题中计算出相关且一致的概念（如演员、剧情、奖项），从而支持上下文丰富的响应生成。
• 人工整理常识知识仍然至关重要，因为现有知识库（如 ConceptNet）不原生支持默认规则、例外情况和偏好。
• 本项目凸显了开发更优工具的必要性，以自动化地从自然语言中获取并转换常识知识为兼容 ASP 的逻辑形式。