상식 지식 기초 완성

우리는 문제를 지식 기초 완성(KBC)으로 정의하여 큐레이트된 상식 지식 자원을 풍부하게 합니다. KBC의 대부분의 연구는 고정된 집합에서 가져온 개체와 관련된 Freebase와 같은 지식 기반에 중점을 둡니다. 그러나 ConceptNet(Speer and Havasi, 2012)의 튜플은 무한한 집합의 구문 간 관계를 정의합니다. 우리는 임의의 구문에 대한 튜플 점수를 매기기 위한 신경망 모델을 개발하고, 이를 사용하여 진짜로 보유된 튜플과 거짓 튜플을 구별하는 능력으로 평가합니다. 우리는 구문을 모델링하기 위해 간단한 가법 아키텍처를 사용하는 바이리니어 모델에서 강력한 성능을 발견했습니다. 우리는 훈련된 모델이 새로운 튜플에 품질 점수를 부여하는 능력을 수동으로 평가하여, ConceptNet의 중간 신뢰도 튜플과 동일한 품질 수준의 튜플을 제안할 수 있음을 발견했습니다.