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。

老年人看护系统中常识推理的研究

根据老年人看护的需求,将常识推理运用到智能家庭老年人看护推理系统中,并将其与领域本体相结合,对系统实现的主要技术,即基于本体的常识表示与存储、规则的表示以及常识的推理进行探讨和构想,并通过典型应用实例验证了常识推理在老年人看护系统中的可行性、有效性及其重要性。

常识推理中不一致信念的一种非修正处理方法

在一阶逻辑中 ,给出了一种能够描述和处理基于不一致信念 ,但不对已有的不一致信念进行修正的推理方法 .这种方法在推导过程中 ,将根据已有的信念能够推出的没有相反信息的结论作为推理的最终结论 .它的最重要的特点是每个假说都存在惟一的扩充 ,该扩充具有累积性 。

怎样利用语言知识资源进行语义理解和常识推理

该文讨论怎样利用语言知识资源来帮助机器进行语义理解和常识推理。首先,指出人类生活在常识和意义世界中,人工智能机器人必须理解自然语言的意义,能够在此基础上进行常识推理。接着,简单梳理了基于知识和基于统计两种自然语言处理路线各自的优长和短缺。然后,说明完全绕开知识的统计方法和深度学习,都不能真正理解概念和语言。该文通过具体案例说明,《实词信息词典》已经配备了有关词项的语义角色关系及其句法配置信息;把这种语言知识加入知识图谱和内容计算中,可以为人工智能提供理解和解释从而造就一种可解释的人工智能。由于"物性角色"描述了名词所指事物的百科知识,可用以回答相关事物是什么(形式角色)、有哪些部件(构成角色)、用什么做的(材料)、怎么形成的(施成)、有什么用途(功用)等常识性问题。

常识问题常识推理的逻辑基础

本文主要讨论常识推理的逻辑基础，基于一条从非单调推理到常识推理的技术途径，由此指出了在更一般意义上形式化常识推理的一些结果。

常识推理基础逻辑系统M的完全性

对通常的典范模型方法加以改造,在典范结构的基础上,可建立相对于任意给定有穷公式集Γ的Γ-典范框架和Γ-典范模型,以证明M的框架类完全性。Γ-典范模型方法是有穷方法。如果Γ有穷,得到的典范模型有穷。这不仅可以证明M的完全性,还可证明M的有穷模型性,因此M是可判定的。

基于改进的主动逻辑与元认知环的机器人常识推理的研究

针对常识推理的非单调和异常问题,构建了基于改进的主动逻辑与元认知环的机器人常识推理框架。首先,针对机器人在执行任务时易受异常情况干扰的问题,引入元认知环对异常进行监视和评估并引导机器人;其次,对主动逻辑进行改进,定义了事实、常识,及它们相互之间的蕴涵、否定和无关三种关系,给出了详细的矛盾知识的发生条件和定义,并给出了对应的矛盾知识的处理方法,提出在主动逻辑中事实包含关系的传递性及推理的非直接传递性以有效检测和处理矛盾。最后,设计的Pr2机器人取书的实验进一步验证了元认知环以及主动逻辑在机器人执行任务时对异常情况和矛盾知识处理的有效性。

关于普通常识推理中不确定性的一个处理方法

本文剖析普通常识推理中的不确定性的一些特征,给出不确定逻辑的形式表示并指出为什么在推理中出现不确定性的原因。由此,提出“组合范畴”方法以处理普通常识推理中的不确定性问题,同时指出这一方法的局限性。

常识推理处理不一致信念需要新方法

我于1998年9月到德国(Chemnitz工业大学进行了为期3个月的合作研究。Chemnitz工业大学计算机学院有计算机图形技术与计算机辅助技术,数据库技术,信息系统与软件技术,人工智能,模型与模拟技术,计算机体系结构与微程序设计,计算机网络与分布式系统,计算机系统,系统程序设计及操作系统,理论计算机科学,信息安全技术共11个研究组。

关于常识推理的统计途径

一、引言常识推理是人工智能的一个主要研究领域,在人类间题求解中是不可缺少的,但目前还没有关于它的严格定义,它泛指人们在日常生活中的推理。一般地说。

常识推理中的矛盾知识处理方法

提出了一种适合常识推理的框架模型，并讨论了几种适合该框架的矛盾知识处理方法．

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。

从常识推理论科学知识的增长

M·Minsky、J.McCarthy提出:“知识是人类智慧的源泉;只有把相应的知识教给计算机,计算机才能表现出同人类一样的智能,完成类似的智能工作,知识就是力量!”在这种思想的指导下,从1965年开始,以美国E.Feigenbaum、E.Shorthliffe等为首,建造了世界上首批的专家系统.把不同领域的专家的知识存放到计算机中去,使计算机完成像医疗诊断、化学实验数据解释、地质勘探、股市预测等困难任务.以知识为基础的人工智能系统所取得的成功,使许多国家把它列入了政府的发展规划,如美国SDI计划、英国Alveg计划、法国UNI-KA计划、我国的863计划智能计算机主题等.于是F.Machlup提出“知识是时代的黑金(石油)”,于是知识不仅是智慧的源泉,而且是财富的源泉.以知识工程为核心的智能产业在新时代占有日益重要的地位.常识的表示和推理随着知识工程的崛起而显得日益重要.Mc-Carthy指出,人工智能最关键的问题便是常识和推理.常识的特点是有不精确、不完全和不一致性.常识推理的特点之一是模糊性:人们可利用不精确的知识合理地推理.常识推理的特点之二是非单调性:智能系统在知识不全面时能根据缺省知识得到当前较合理的结论,当增加新知识时,能取消以前的相对不合理的结论,这符合人的认知过程.Minsky指出,使用经典逻辑。

基于常识的亲属关系推理模型

常识知识的研究与发展得到了人工智能界的很大重视。文章建立了一个基于常识的人物亲属关系推理模型，研究了亲属关系常识以及人物信息的表示与存储。此外，对实际所要解决的问题进行了总结。

定性推理综述（Ⅰ）──常识知识推理和因果性解释以及传统定性推理方法

在人工智能的今天，知识已被认为是任何智能系统的集成元件。对常识知识推理和这种推理所需实践知识的研究已是并将在一段时间内仍会是人工智能研究的中心问题。本文在讨论常识知识推理和因果性解释两个概念的基础上，较详细地介绍了传统定性推理中三种主要方法：定性微分方程法、定性进程理论和定性模拟方法，并对它们的特点和共同之处予以总结。

基于常识的空间推理研究

空间推理是空间信息智能化处理的难题之一,目前的空间推理过程缺乏柔性化与智能化的一个重要原因就是不能有效利用常识。该文中阐述常识、常识推理及常识的表示,研究空间推理、基于常识的空间推理的关键技术及其在空间信息处理中的作用。最后结合基于常识的空间推理的空间可视性分析示例,提出利用空间常识提高空间信息处理系统智能性的思路。

跨模态视觉问答与推理研究进展

随着社交媒体和人机交互技术的快速发展,视频、图像以及文本等多模态数据在互联网中呈爆炸式增长,因此多模态智能研究受到关注。其中,视觉问答与推理任务是跨模态智能研究的一个重要组成部分,也是人类实现人工智能的重要基础,已成功应用于人机交互、智能医疗以及无人驾驶等领域。本文对视觉问答与推理的相关算法进行了全面概括和归类分析。首先,介绍了视觉问答与推理的定义,并简述了当前该任务面临的挑战;其次,从基于注意力机制、基于图网络、基于预训练、基于外部知识库和基于可解释推理机制5个方面对现有方法进行总结和归纳;然后,全面介绍了视觉问答与推理常用公开数据集,并对相关数据集上的已有算法进行详细分析;最后,对视觉问答与推理任务的未来方向进行了展望。

一种带缺省推理的描述逻辑

该文提出了一种新的带缺省推理的描述逻辑,它以描述逻辑为主要框架,对单调逻辑和非单调逻辑进行了整合,但又避免了一般缺省逻辑的困难.基于带缺省推理的描述逻辑,构建了一种同时具有Tbox,Abox和缺省规则的知识库系统,研究了带缺省推理的描述逻辑的可满足性、缺省可满足性、概念包含、缺省包含以及实例检测等推理问题,提出了一种用来检测可满足性和缺省可满足性的Tableau-D算法,并得到了缺省可满足性和缺省包含的转换定理.

“大模型技术及应用”专栏序言

生成式AI与具身智能正在成为新一轮人工智能发展的热潮,其背后的核心技术就是大模型。自2022年11月美国OpenAI公司发布聊天机器人应用程序ChatGPT以来,其强大的自然语言生成能力与广泛适用性引起了全世界范围的关注。随后,大模型在场景分析、视频生成、常识推理、行为决策等方面也有突出表现。国内也相继发布了文心一言、ChatGLM、百川、千问等大模型产品。学术界和产业界都在探索利用大模型解决更多、更具挑战性的问题与潜在应用。2023年,美国科技公司Palantir推出的军事人工智能平台(AIP)和Scale AI公司推出的“多诺万(Donovan)”军事决策辅助系统等也对大模型军事应用进行了初步探索。

广义因果理论的基于模型的诊断

最近，许多学者意识到了将因果关系这一概念应用于基于模型的诊断领域的重要性．然而，他们的研究只局限于简单因果理论．文中提出的广义因果理论包容了更多的信息．文中指出：广义因果理论的诊断空间小于等于相应简单因果理论的诊断空间．并给出了当待诊断系统的模型为广义因果理论时的基于模型的诊断、基于模型的实质诊断等概念，论证了基于模型的实质诊断与本原蕴含／蕴含式的直接关系，从而将文中的理论结果与实现联系起来．文中进一步指出，对广义因果理论的基于一致性实质诊断和实质溯因诊断的刻画仅仅是文中所给出的刻画的两个特殊情形．