面向知识的可解释认知推理
论文标题:
KQA Pro: A Dataset with Explicit Compositional Programs for Complex Question Answering over Knowledge Base
论文链接:
arXiv:2007.03875v3 [cs.CL] 10 Mar 2022
数据集和代码:
https://github.com/shijx12/KQAPro_Baselines.
通过一篇论文来谈谈什么是认知智能,怎样进行认知推理,如何又实现认知推理的可解释。知识和认知是密切相关的,认知就是人怎么去获得知识和应用知识的过程。运用人工智能技术实现从认知到推理的过程,其实就是用知识去做推理的过程。
01 引言
基于知识库的复杂问题问答(Complex KBQA)非常具有挑战性,因为它需要各种组合推理能力,如多跳推理、属性比较、集合运算。现有衡量标准有一些缺点,限制了复杂KBQA的发展。主要表现在:①只提供问答对,而没有明确的推理过程,可解释性差;②问题的多样性或规模都很差。
02 可解释的认知推理的框架
为解决上述问题,论文作者团队创建了一种用于复杂KBQA的数据集KQA Pro(包括大约12万个不同的自然语言问题),定义了一种组合式可解释编程语言(Knowledge oriented Programing Language,KoPL)来表示复杂问题的推理过程。同时,论文也提供相应的KoPL程序和SPARQL查询,这样KQA Pro就可以同时为KBQA和语义解析任务服务。