[论文解读] Inference and Plausible Reasoning in a Natural Language Understanding System Based on Object-Oriented Semantics

Yuriy Ostapov|arXiv (Cornell University)|Feb 1, 2012

Semantic Web and Ontologies参考文献 3被引用 3

一句话总结

本文提出了一种基于面向对象语义和谓词演算的自然语言理解系统，结合演绎推理与似然推理，以回答社会领域中的复杂逻辑问题。通过建模事实、角色、脚本和心理规范，该系统支持因果检测、行动规划和状态预测等推理任务——在犯罪学、医学和业务系统中具有实际应用价值。

ABSTRACT

Algorithms of inference in a computer system oriented to input and semantic processing of text information are presented. Such inference is necessary for logical questions when the direct comparison of objects from a question and database can not give a result. The following classes of problems are considered: a check of hypotheses for persons and non-typical actions, the determination of persons and circumstances for non-typical actions, planning actions, the determination of event cause and state of persons. To form an answer both deduction and plausible reasoning are used. As a knowledge domain under consideration is social behavior of persons, plausible reasoning is based on laws of social psychology. Proposed algorithms of inference and plausible reasoning can be realized in computer systems closely connected with text processing (criminology, operation of business, medicine, document systems).

研究动机与目标

• 在直接数据库匹配失败时，使计算机系统能够回答自然语言中的复杂逻辑问题。
• 将基于社会心理学的演绎推理与似然推理整合到语义处理框架中。
• 使用谓词演算对社会行为、角色、脚本和计划进行建模，以实现在犯罪学和医疗保健等现实世界领域中的应用。
• 开发一种知识表示系统，支持通过关系型数据库实现可扩展、可扩展且模块化的推理。
• 展示在企业管理和刑事调查中通过自然语言查询自动化推理任务的可行性。

提出的方法

• 使用一阶逻辑将自然语言句子表示为描述人物、对象、动作和状态的谓词集合。
• 通过映射到谓词的关系型数据库表来存储事实和知识，以实现高效存储与检索。
• 当直接谓词匹配无法回答问题时，通过基于规则的演绎推理实现推理。
• 基于社会心理学规范和角色行为的似然推理，用于推断非显而易见的结论（例如动机、原因、状态）。
• 使用脚本（例如遇险船只、疾病）和计划（例如城市布局、办公室抢劫）作为结构化知识，以指导对事件序列的推理。
• 结合多种推理路径：验证假设、确定动机、规划行动，并基于症状、脚本和事件触发器推断原因或状态。

实验结果

研究问题

• RQ1 当直接谓词匹配失败时，自然语言理解系统如何推断复杂逻辑问题的答案？
• RQ2 社会心理学规范在非典型或模糊情境下对人类行为的似然推理中起到何种作用？
• RQ3 如何对结构化知识（如脚本、计划和疾病描述）进行编码并用于社会领域的推理支持？
• RQ4 如何通过逻辑规则形式化似然推理，以确保在动机和原因推理中的一致性与有效性？
• RQ5 此类系统如何集成到现实应用中，如犯罪学、医学或企业管理系统，以实现复杂决策的自动化？

主要发现

• 该系统成功支持了四类核心问题的推理：假设验证、非典型行为分析、行动规划和原因/状态判定。
• 基于社会心理学定律的似然推理，能够推断出超出标准角色期望的动机和行为。
• 脚本和计划（例如遇险船只、办公室抢劫）被有效编码为基于谓词的知识结构，以建模事件和行为序列。
• 该系统能够回答如“为什么9月1日1号街的一名女孩在11月7日死亡？”之类的自然语言问题，通过识别因果行为和事件。
• 关系型数据库与逻辑推理的集成，实现了对大量事实性和概念性数据的可扩展处理。
• 该方法实现了在犯罪学和企业管理系统等领域的复杂推理任务自动化，减少了对人工数据处理和专家解读的依赖。