×
德鲁瓦省彭达尔卡;金加尔巴苏;法哈德·沙克林;古普塔，戈帕尔

基于ASP的文本自然语言问题解答方法。 （英语） Zbl 1530.68258号

理论与实践。日志。程序。 22，第3期，419-443（2022）.
摘要：本文提出了一种基于答案集编程（ASP）的方法来表示自然语言文本生成的知识。文本中的知识使用新戴维森式形式主义建模，然后将其表示为答案集程序。相关常识知识是从WordNet等资源中额外导入并在ASP中表示的。由此产生的知识库可以在ASP系统的帮助下用于执行推理。这种方法可以促进许多自然语言任务，如自动问答、文本摘要和自动问题生成。基于ASP的技术表示，如默认推理、分层知识组织、默认偏好等，用于为完成这些任务所需的常识推理方法建模。在本文中，我们描述了我们开发的CASPR系统，该系统用于自动回答给定英语文本的自然语言问题。CASPR可以被视为一个通过“理解”文本来回答问题的系统，并在SQuAD数据集上进行了测试，取得了令人满意的结果。

MSC公司：

68T50型 自然语言处理
68N17号 逻辑编程
68立方英尺 知识表示

关键词：

ASP公司;常识推理;自然语言处理;自然语言问答

软件：

VerbNet（动词网络）;DBpedia（数据库）;iClingo公司;小队;水;中国科学院科学院;SkuARE公司;StanfordCoreNLP公司;扣环;github;雅高;克林戈;格林戈;DLV公司;WordNet（文字网）
PDF格式BibTeX公司 XML格式引用
\textit{D.Pendharkar}等人，《理论与实践》。日志。程序。22，第3号，419--443（2022；Zbl 1530.68258）
全文： 内政部 arXiv公司

参考文献：

[1] Alviano，M.、Faber，W.、Leone，N.、Perri，S.、Pfeifer，G.和Terracina，G.2011。析取数据日志系统dlv。在重新加载的数据日志中。施普林格，282-301。
[2] Arias，J.、Carro，M.、Salazar，E.、Marple，K.和Gupta，G.2018。无接地约束应答集编程。arXiv预印arXiv:1804.11162·兹比尔1451.68063
[3] Auer，S.、Bizer，C.、Kobilarov，G.、Lehmann，J.、Cyganiak，R.和Ives，Z.2007。Dbpedia：开放数据网的核心。在语义网中。施普林格，722-735。
[4] 巴拉尔，C.2003。知识表示、推理和陈述式问题解决。剑桥大学出版社·Zbl 1056.68139号
[5] Baral，C.和Schüller，P.，2013年版。2013年第一届自然语言处理和自动推理研讨会论文集。欧洲委员会研讨会论文集，第1044卷。CEUR-WS.org。
[6] Basu，K.，Shakerin，F.和Gupta，G.2020。AQuA：基于ASP的可视化问答。在声明语言实用方面国际研讨会上。施普林格，57-72。
[7] Basu，K.、Varanasi，S.、Shakerin，F.、Arias，J.和Gupta，G.2021。知识驱动的英语文本自然语言理解及其应用。arXiv预打印arXiv:2101.11707。
[8] Basu，K.、Varanasi，S.C.、Shakerin，F.和Gupta，G.2020。方形：基于语义的问答和推理引擎。arXiv预打印arXiv:2009.10239·Zbl 07455707号
[9] Chen，Z.、Marple，K.、Salazar，E.、Gupta，G.和Tamil，L.2016。基于知识模式的慢性心力衰竭管理医生咨询系统。逻辑程序设计的理论与实践16，5-6，604-618·Zbl 1379.68307号
[10] Clark，P.、Dalvi，B.和Tandon，N.2018。怎么搞的？利用verbnet预测程序文本中动作的效果。arXiv预印arXiv:1804.05435。
[11] Costantini，S.和Paolucci，A.2010。将自然语言句子翻译成asp。在CILC中。
[12] 戴维森，D.1984。真理与解释探究。牛津大学出版社。
[13] De Marneffe，M.-C.，Dozat，T.，Silveira，N.，Haverinen，K.，Ginter，F.，Nivre，J.和Manning，C.D.2014。普遍的斯坦福依赖关系：一种跨语言的类型学。在LREC中。第14卷，4585-4592。
[14] De Marneffe，M.-C.和Manning，C.D.2008。斯坦福式依赖手册。斯坦福大学技术报告技术代表。
[15] Finkel，J.R.、Grenager，T.和Manning，C.2005。通过吉布斯采样将非局部信息纳入信息提取系统。第43届计算语言学协会年会论文集。计算语言学协会，363-370。
[16] Gebser，M.、Kaminski，R.、Kaufmann，B.、Ostrowski，M.，Schaub，T.和Thiele，S.2010。外国佬、克雷普、克雷波和伊奇林戈。用户指南。
[17] Gelfond，M.和Kahl，2014年。知识表示、推理和智能代理的设计：答案集编程方法。剑桥大学出版社。
[18] Gelfond，M.和Lifschitz，V.1988。逻辑编程的稳定模型语义。在ICLP/SLP中。第88卷，1070-1080。
[19] Jonson-Laird，P.2009。我们如何推理。牛津大学出版社。
[20] 朱拉夫斯基，D.2000。语音和语言处理。培生教育印度。
[21] Kipper，K.、Korhonen，A.、Ryant，N.和Palmer，M.2006。用新颖的动词类扩展动词网。第五届国际语言资源与评估会议记录，2006年5月22日至28日，意大利热那亚，1027-1032。
[22] Mahdisoltani，F.、Biega，J.和Suchanek，F.M.，2015年。YAGO3：来自多语言维基百科的知识库。2015年1月4日至7日，在美国加利福尼亚州阿西洛马尔举行的CIDR 2015第七届创新数据系统研究两年期会议上，在线会议记录。
[23] Manning，C.D.、Surdeanu，M.、Bauer，J.、Finkel，J.，Bethard，S.J.和Mcclosky，D.2014。斯坦福CoreNLP自然语言处理工具包。在ACL系统演示中，55-60。
[24] Marple，K.、Salazar，E.和Gupta，G.2017。计算正常逻辑程序的稳定模型，无需接地。arXiv预印arXiv:1709.00501。
[25] 米勒，G.A.1995。WordNet：英语词汇数据库。ACM通信38、11、39-41。
[26] Mitchell，T.，Cohen，W.，Hruschka，E.，Talukdar，P.，Betteridge，J.，Carlson，A.，Dalvi，B.，Gardner，M.，Kisiel，B.，Krishnamurthy，J.，Lao，N.，Mazaitis，K.，Mohamed，T.，Nakashole，N.，Platanios，E.，Ritter，A.，Samadi，M.，Settles，B.，Wang，R.，Wijaya，D.，Gupta，A.，Chen，X.，Saparov，A.，Greaves，M.和Welling，J.2015。永无止境的学习。第二十届AAAI人工智能会议论文集（AAAI-15）。
[27] Olson，C.和Lierler，Y.2019。信息提取工具Text2ALM：从叙述到动作语言系统描述。理论计算机科学电子论文集30687-100·Zbl 07453107号
[28] 彭达尔卡，D.2018a。基于答案集编程的文本知识表示与查询方法。德克萨斯大学达拉斯分校硕士论文，http://utdallas.edu/gupta/dthesis.pdf。
[29] 彭达尔卡，D.2018b。卡斯普。https://github.com/Dhruva Pendharkar/thesis项目。
[30] Rajpurkar，P.、Zhang，J.、Lopyrev，K.和Liang，P.2016。SkuAD:100000多个问题用于机器理解文本。arXiv预打印arXiv:1606.05250。
[31] Schuster，S.和Manning，C.D.2016。增强英语通用依赖性：自然语言理解任务的改进表示。在LRED’16中，2371-2378。
[32] Vo，N.H.、Mitra，A.和Baral，C.2015。用于构建自然语言翻译系统的NL2KR平台。《计算语言学协会第53届年会和亚洲自然语言处理联合会第七届国际自然语言处理联席会议论文集》，ACL 2015，2015年7月26日至31日，中国北京，第1卷：长篇论文，899-908。
[33] Vrandećić，D.和Krötzsch，M.2014。维基数据：一个免费的协作知识库。ACM通讯57、10、78-85。
[34] 维基百科撰稿人。2018年。Cyc-维基百科，免费百科全书。【2018年5月17日访问】。
[35] Zhang，Q.，Benton，C.和Inclezan，D.2020。ASP意向理论在理解餐厅场景中的应用：见解和叙事语料库。逻辑程序设计理论与实践20，2，273-293。
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。