笔记整理:张廉臣,东南大学硕士,研究方向为自然语言处理。
Citation: Li, D., Li, Y., Zhang, J., Li, K., Wei, C., Cui, J., & Wang, B. (2022). C3KG: A Chinese Commonsense Conversation Knowledge Graph. arXiv preprint arXiv:2204.02549.
动机
常识知识在机器与人类互动中至关重要。近年来,研究人员越来越着眼于推进关于常识知识的工作。其中,ATOMIC是一个包含很多推理知识的常识知识库,研究人员可以根据该知识库开发聊天机器人。但是在聊天机器人的应用上,目前存在着两大困难。一方面,对于一个事件关系对,ATOMIC含有多个配对结果,多个结果的存在会使聊天机器人对结果为何产生感到困惑。另一方面,ATOMIC中的知识元组是分离的,这些分离的元组会使聊天机器人很难推理应该用哪些知识的配对结果产生具有呈递性的连贯对话,例如,我们需要在对话中排除掉已经成为事件原因的配对结果。
为了解决这些问题,作者定义了四种新的对话流关系,即事件流、概念流、情感原因流和情感意图流ÿ