常識知識ベースの補完

知識ベース補完（KBC）の問題として形式化することにより、キュレーションされた常識知識のリソースを強化します。KBCに関するほとんどの研究は、固定されたセットからのエンティティを関連付けるFreebaseのような知識ベースに焦点を当てています。しかし、ConceptNet（Speer and Havasi, 2012）のタプルは、無制限のフレーズセット間の関係を定義しています。任意のフレーズに対してタプルのスコアリングを行うためのニューラルネットワークモデルを開発し、真の保持タプルと偽のタプルを区別する能力によって評価します。単純な加法アーキテクチャを使用してフレーズをモデル化するバイリニアモデルが強力な性能を示すことを発見しました。新しいタプルに質的スコアを割り当てる私たちの訓練されたモデルの能力を手動で評価したところ、ConceptNetの中程度の信頼度のタプルと同じ質のレベルのタプルを提案できることが分かりました。