常识知识增强的嵌入用于解决温格拉德模式挑战中的代词消歧问题

本文提出了一种常识知识增强嵌入（Commonsense Knowledge Enhanced Embeddings, KEE）方法，用于解决代词消歧问题（Pronoun Disambiguation Problems, PDP）。我们在这篇论文中研究的PDP任务是一种复杂的共指消解任务，需要利用常识知识。该任务是2016年Winograd模式挑战赛的标准第一轮测试集。在这个任务中，传统的对共指消解有用的语言学特征，例如上下文和性别信息，已不再有效。因此，提出了KEE模型，以提供一个通用框架来利用常识知识解决PDP问题。由于PDP任务没有训练数据，KEE模型将在无监督特征提取过程中使用。为了评估KEE模型的有效性，我们建议在KEE训练过程中整合多种常识知识库，包括ConceptNet、WordNet和CauseCom。通过将所提出的方法应用于2016年Winograd模式挑战赛，我们取得了最佳性能。此外，在标准PDP任务上的实验表明，提出的KEE模型能够以66.7%的准确率解决PDP问题，这是目前最新的最先进表现。