一般化された神経記号システムによる常識的質問応答のための展望

非抽出型常識QAは、システムが分散した情報を推論・統合・収集し、質問に対する応答を生成する必要があるため、依然として困難なAI課題である。近年のこの分野におけるアプローチは、モデルに追加情報による事前学習を行うか、ドメイン特化型のヒューリスティクスを用いる場合にのみ性能が向上する傾向にあり、知識リソースの種類に対する特別な配慮はなされていない。本論文では、最近の常識QA手法を調査し、複数の常識データセットから得られるベンチマークにおいて、一般的に用いられる知識リソースおよび知識統合手法について体系的な分析を行う。得られた結果と分析から、注意機構（attention-based）を用いた知識注入が知識統合においてより好ましい選択肢であることが示されるとともに、知識ベースとデータセット間のドメインの重複度がモデルの成功に決定的な役割を果たすことが明らかになった。