常识问答研究综述

常识问答是一项重要的自然语言理解任务,旨在利用常识知识对自然语言问句进行自动求解,以得到准确答案.常识问答在虚拟助手或社交聊天机器人等领域有着广泛的应用前景,且其蕴涵了知识挖掘与表示、语言理解与计算、答案推理和生成等关键科学问题,因而受到工业界和学术界的广泛关注.首先介绍常识问答领域的主要数据集;其次,归纳不同常识知识源在构建方式、常识来源和表现形式上的区别;同时,重点分析并对比前沿常识问答模型,以及融合常识知识的特色方法.特别地,根据不同问答任务场景中常识知识的共性和特性,建立包含属性、语义、因果、语境、抽象和意图6大类的知识分类体系.以此为支撑,针对常识知识数据集建设,感知知识融合和预训练语言模型的协作机制,以及在此基础上的常识知识预分类技术,进行前瞻性的研究,并具体报告上述模型在跨数据集迁移场景下的性能变化,及其在常识答案推理中的潜在贡献.总体上,包含对现有数据和前沿技术的回顾,也包含面向跨数据知识体系建设、技术迁移与通用化的预研内容,借以在汇报领域技术积累的前提下,为其理论和技术的进一步发展提供参考意见.

角色游戏促进中班幼儿社会自立-安全常识发展的个案研究

为探究角色游戏对中班幼儿社会自立-安全常识发展的作用,研究采用单被试A-B实验设计,选取3名社会自立-安全常识发展水平较低的中班幼儿为被试,通过角色游戏对其社会自立-安全常识进行干预。结果表明:角色游戏能够促进中班幼儿社会自立-安全常识的发展,三名个案在干预期和追踪期的社会自立-安全常识均高于基线期。结论:角色游戏能有效提高幼儿的社会自立-安全常识水平。教师和家长可以通过角色游戏培养幼儿的社会自立-安全常识,促进幼儿的安全常识养成和独立自主性发展。

融入三维语义特征的常识推理问答方法

现有使用预训练语言模型和知识图谱的常识问答方法主要集中于构建知识图谱子图及跨模态信息结合的研究,忽略了知识图谱自身丰富的语义特征,且缺少对不同问答任务的知识图谱子图节点相关性的动态调整,导致预测准确率低。为解决以上问题,提出一种融入三维语义特征的常识推理问答方法。首先提出知识图谱节点的关系层级、实体层级、三元组层级三维语义特征量化指标;其次,通过注意力机制动态计算关系层级、实体层级、三元组层级三种维度的语义特征对不同实体节点间的重要性;最后,通过图神经网络进行多层聚合迭代嵌入三维语义特征,获得更多的外推知识表示,更新知识图谱子图节点表示,提升答案预测精度。与QA-GNN常识问答推理方法相比,所提方法在CommonsenseQA数据集上的验证集和测试集的准确率分别提高了1.70个百分点和0.74个百分点,在OpenBookQA数据集上使用AristoRoBERTa数据处理方法的准确率提高了1.13个百分点。实验结果表明,所提出的融入三维语义特征的常识推理问答方法能够有效提高常识问答任务准确率。

专利创造性判断中公知常识认定问题研究

公知常识是专利创造性判断中常见理由,但既有的法律法规对其的认定规则并不完善,专利审查和司法裁判中对通过举证证明和说理证明来认定公知常识的顺序和界限并没有明确的规定。因此,在坚持专利创造性判断中,保护具有创造性劳动的前提下,应当明确举证证明和说理证明的先后顺序,并有必要通过引入“众所周知的事实”来对需要举证证明和说理证明的公知常识进行划分。在此基准下,尝试扩大公知常识的载体范围以适应日新月异的技术发展,并使得公知常识的认定趋于客观化和公开化。

药物常识课程教学改革探索与实践

通识教育作为中国高校本科学生素质教育与人才培养的重要内容备受推崇,且高校通识教育课程教学效果的影响因素众多。该文分析通识教育课程——药物常识教学中存在的一些问题,并有针对性地进行教学改革,包括转变授课方式、增加师生互动、改进考核方式、编写课程教材等。教学改革取得一些成果,但课程教学应持续改进。

自我调节常识模型的疾病感知干预方案在妇科门诊阴道炎患者中的应用效果

目的探究分析自我调节常识模型的疾病感知干预方案在妇科门诊阴道炎患者中的应用效果。方法选取2023年1月至2024年1月院内妇科门诊阴道炎患者共102例,作为本次研究对象。以患者门诊号为基础,采用随机数字表法将102例妇科门诊阴道炎患者(26~49岁)随机分为对照组与观察组。对照组采用常规护理,观察组采用自我调节常识模型的疾病感知干预方案。对比两组的疾病感知状态、疾病应对方式、自我效能、生活质量、阴道pH值及阴道清洁度。结果在疾病感知状态方面,干预后观察组BIPQ评分低于对照组(P<0.05)。在疾病应对方式方面,干预后观察组面对评分高于对照组,屈服以及回避评分低于对照组(P<0.05)。在自我效能方面,干预后观察组ESCA评分高于对照组(P<0.05)。在生活质量方面,观察组SF-36评分高于对照组(P<0.05)。在阴道检测指标方面,观察组阴道pH值低于对照组,阴道清洁度高于对照组(P<0.05)。结论自我调节常识模型的疾病感知干预方案可显著改善患者疾病感知状态、疾病应对方式以及自我效能,确保患者生活质量的可持续提升。

常识主义刑法解释观的学理诠释与实践面向

近年来的刑法教义学研究存在“去经验化”的危险倾向,而常识主义刑法解释观的提出正是对深陷规范“泥潭”的教义学的补偏救弊。当前理论上对常识主义刑法解释观的批判建立在错误理解之上,因而不能成立。“将常识判断寓于法律解释”不仅是罪刑法定原则的应有之义,也契合解释过程中的主、客观互构关系,更是满足了法教义学面向功能主义发展的内在要求。合法性、合理性及合目的性构成了常识主义刑法解释观在方法论意义上的三个实践向度,即要求解释结论不得超越实定法的有效范畴;从刑法文本到案件事实的涵摄过程不得悖离基本的逻辑要求;对条文的解释应当符合规范目的,并满足社会公众的合理期待。

古代文学常识在高中语文教学中的作用

古代文学常识在高中语文教学中至关重要。它有助于学生品读文学经典,提升人文素养,感受美学魅力、陶冶性情,以及通过研究史料,塑造深厚的文化意识。为实现这些目标,教师应创新教学理念和方法,丰富教学内容,以激发学生对古代文学的兴趣,更好地传承和发扬古代文学的精髓。

常识增强训练下的中文故事自动生成算法

为解决现有的神经语言生成模型存在生成故事中重复和长程连贯性缺失的问题,设计出一种常识增强训练的中文故事生成算法。该算法使用经SimBert模块降噪训练后的常识语料库,在Transformer架构下对GPT-2模型进行后训练,并使用OutGen故事集对训练好的模型进行微调;它利用外部知识库的常识进行常识增强训练提升生成文本的逻辑性,并使用常识降噪训练加强常识表述的多样性。实验结果表明,与GPT-2等预训练语言模型相比,本文的模型克服了生成故事的逻辑冲突;与ChatGPT等大型预训练语言模型相比,本文的模型在保证生成故事质量的同时,减少了训练资源的消耗。

常识辅助细粒度数据增强方法

数据增强的代表性研究主要针对ImageNet等常规分类数据集展开。考虑到细粒度识别数据集中测试样本类内及类间关联性与常规分类数据集差异明显,因此针对细粒度识别的数据增强方法尚待深入研究。为此,从细粒度识别任务以及数据集的特殊属性入手提出基于常识辅助的细粒度语义图块混合策略。所提方法利用常识知识挖掘样本标签间潜在关联,以此为基础设计结构化图像混合策略的多支路卷积神经网络结构,使图像混合过程更关注目标的细微差异。通过大量性能测试可验证所提方法的性能明显优于主流的基于图像混合的数据增强方法。同时,通过实验验证,所提出的常识知识有助于多种基于混合图像类的数据增强模型性能提升。

基于动态常识推理与多维语义特征的幽默识别

随着社交媒体的飞速发展,幽默识别任务受到研究者广泛关注。其目标是判断给定文本是否具有幽默表达。现有方法主要基于幽默产生理论,采用规则或神经网络模型提取多种幽默相关特征,如不一致性、情感和语音等。然而,这些方法未充分捕捉文本内部的情感特征,忽视了隐含在幽默文本中的情感表达,影响了幽默识别的准确性。为解决此问题,该文提出了CMSOR方法,以动态常识和多维语义特征为驱动。首先,利用外部常识信息从文本中动态推理说话者的隐式情感表达;然后,引入WordNet词典计算词级语义距离,捕捉不一致性,并计算模糊性特征;最后,基于这三个特征维度构建幽默语义,实现幽默识别。实验证明,CMSOR模型相对于当前基准模型在三个公开数据集上的识别性能均有显著提升。

面向事件常识知识获取的事件分类研究

在计算机科学和语言学中,针对动词语义层面上的分类问题,研究者们提出了不同的分类方法,但这些分类方法无一例外地都存在着分类不全面等分类学中经常遇到的问题。一个动词表示一个事件,该文以获取事件相关的常识知识为出发点,以动词性语素为分类依据对常见的现代汉语动词进行语义分类,此分类方法分类标准清晰、不丢失语义信息,并且可实现自动分类,该文重点以“自移”类动词为例来介绍我们的分类方法。此外,该文用描述逻辑对动词性语素及语素之间的分类关系进行形式化表示,动词性语素的形式化表示是动词形式化表示的基础。根据该事件语义分类结构,可以有效地进行事件属性常识知识和事件关系常识知识的获取。

从复审无效案例看专利审查中公知常识的合理使用

【目的】专利是企业体现其科技创新能力的重要支撑,而在专利实践中,创造性判断一直是专利审查中的重点和难点问题,对于公知常识的准确认定是确保评判创造性时结论正确的必要前提。【方法】结合复审无效实际案例,分析不同应用场景下认定公知常识时需要综合考虑的关键因素。【结果】对于公知常识的使用,应当分别从其公开的技术特征与待证明事实之间的关联性、技术领域的差异、最接近现有技术的改进动机、技术特征之间的协同作用等多个角度予以综合考虑。同时,在书面证据举证困难的情况下,应当对其充分进行说理,并详述认定的逻辑过程加以佐证。【结论】所列应考虑因素可为公知常识的准确认定提供参考,助力创造性审查的客观公正。

汉语让转复句的预期类型与常识发现研究

自然语言有关表达中潜藏了丰富的预期和常识,让转复句“虽然A,但是B”格式是其中的代表。从语言学知识应用于人工智能的角度来看,挖掘语言中的常识有助于构建常识库,支持常识推理。研究过程是通过构建“取反→简化→补全→泛化→联结”的形式化操作流程,提取让转复句中蕴涵的预期信息,证明语用信息也能通过形式化方式提取。根据格式中“A”和“¬B(非B)”是否存在因果关联,让转复句中的预期可分为基于直觉推理的预期、基于经验的预期和基于百科知识的预期三类。根据“A”和“¬B”的语义关联性及推理方式,基于直觉推理的预期可进一步分为属性类推、属性对比、量级类推、属性继承、属性值保持和属性值趋同六类;按照时间和空间两个维度,基于经验的预期可分为基于预测类经验的预期和基于共现类经验的预期两类。其中,基于经验的预期和基于百科知识的预期可以归纳为常识,收集并构建常识库。最后举例介绍了怎样利用本文抽取的小型常识库进行智能问答和溯因推理。

融合局部特征的多知识库常识问答模型

当前的多知识库融合常识推理模型的输入和特征组合的方式过于简单,导致模型丢失了一些与问题和答案相关的重要信息,限制了融合外部知识的常识推理模型的效果。另外,在进行常识问答的任务时,预训练语言模型输出的问题和答案表示存在的向量各向异性问题没有得到解决。这些问题都是导致常识问答推理性能不够高的因素。针对以上问题,提出了一种基于局部特征融合的多知识库常识问答模型,改进外部知识库和问答文本的融合方式。模型将局部的问题和答案特征融入预训练语言模型全局特征,以丰富模型的特征信息,并在预测层结合了多种维度的特征进行预测;模型对于待匹配的问题和答案句子表示进行了白化处理,然后执行匹配任务。通过白化操作,模型增强了句子表示的各向同性,提升了句子向量的表征能力;还探索了不同预训练编码器(如:ALBERT、ELECTRA)在模型上的效果,以加强对知识文本的特征抽取能力,并证明了模型的稳定性。实验结果证明,在相同BERT-base编码器的实验下,模型的准确率达到78.6%,相较于基线模型,准确率提升了3.5个百分点;在ELECTRA-base编码器的实验下,模型的准确率达到80.1%。

基于解耦常识性关联的图像描述生成算法

基于解耦常识性关联的图像描述生成算法旨在排除各类实体间常识性关联对模型推理的干扰,提高描述生成的流畅性与准确性.针对当前图像描述生成中存在的符合常识但与图像内容不相符的关系语句,该算法先通过一种新颖的训练方式加强关系检测模型对图像中真实关系的关注程度,提高关系推理的准确性.再通过一种关系感知的实体交互方法,对存在关系的实体进行有针对性的信息交互,对关系信息进行强化.实验表明,该算法能够纠正一些常识性的虚假关系,生成较为准确的图像描述,并在各项评价指标上获得了较好的实验结果.

基于多头注意力机制融合常识知识的共情对话生成

当前对话生成技术已取得显著进展,然而为了更好地满足人类交流的需求,研究人员开始将共情引入对话生成领域。共情作为人际交流的重要组成部分,有助于更好地理解他人的情感和感受。通过引入常识知识来加强对用户情感和处境的理解,然而目前方法对非情感知识采用统一编码以及对常识知识融合采用简单的向量拼接,导致某些常识知识特征的影响可能降低,并且各个知识之间的关联刻画模糊。为此,提出一种基于多头注意力机制融合常识知识的共情对话模型ATT-EDM。该模型对引入的5种关系(xReact、xWant、xNeed、xIntent、xEffect)进行单独编码,保留了每种常识各自的特征,并利用多头注意力机制融合常识知识,对每种知识在注意力层进行运算,以更准确地反映它们各自的影响,同时更有效地刻画各个常识知识之间的联系。在数据集EmpatheticDialogues上的实验结果表明,该模型在困惑度(PPL)、准确率和Distinct-2指标上优于基线模型,PPL降低到36.4350,准确率和Distinct-2分别达到37.96%、3.3455,能够生成质量更高、内容更丰富、共情能力更强的同理心响应。

机械领域中公知常识的认定及举证

在机械领域专利审查中运用“三步法”进行创造性评述时,时常会涉及区别技术特征如机械部件结构及驱动、传动方式等具体设置是否为公知常识的判断,因此,深入、全面和系统地研究机械领域审查中公知常识的认定、充分说理方式与技巧、举证时机及策略,以及审查员如何提升自己的公知常识知识积累,对提高审查质量及审查效率具有重要的意义。

语义理解与常识推理的机器表现和人类基线之比较——怎样评估ChatGPT等大型语言模型的语言运用能力?

本文讨论怎样通过跟人类基线的比较,来合理地评估ChatGPT等现代大型语言模型的语言运用能力。首先,用代词指称歧义和否定辖域问题测试ChatGPT,展示语言大模型在语义理解和常识推理方面的优秀表现;接着简介维诺格拉德模式挑战及其升级版本WinoGrande数据集,还介绍了我们对于这种类型的测试题和机器表现的评估方式的改进方案(把仅触发词不同的“句对”扩展为锚定词也不同的“句偶”,把机器表现跟人类被试的表现进行比较);然后介绍我们怎样用“句对”和“句偶”测试ChatGPT和人类被试,并且把人类和机器的表现进行对比,从而得出语言大模型的语言运用能力接近人类的结论。

专利法中公知常识的正确认定和使用的条件探究

【目的】针对不同类别的公知常识(教科书、工具书和惯用手段),进行准确认定和使用的条件分别进行探讨,为“公知常识”认定规则的完善提供参考。【方法】采用案例分析和推理总结方法对不同类别的公知常识的认定和使用进行验证。【结果】创造性判断过程中,引用公知常识的频率很高。因此,公知常识的准确认定是对于统一判断标准、化解矛盾,达到公平与效率的统一、推动发明创造都有着重要的作用。【结论】在判断某一手段是否为公知常识时,应同时考虑技术领域,解决的技术问题和被广泛知晓的特性。