Event2Mind：事件、意图和反应的常识推理
华盛顿大学：ACL2018 Event2Mind
概览
-
新的常识推理人物：给定一个事件，系统推理出事件参与者的可能意图，相对反应。
事件：以简短的自由文本，比如 x drinks coffee in the morning,
可能意图：x wants to stay awake,
相对反应：x feels alert.
-
构建了一个包含25000个事件短语的新的众包语料库，事件短语涵盖了各种各样的日常事件和情景。
-
实验证明：Encoder-decoder模型能够成功地合成未知事件的嵌入表示，并推理可能的意图和反应。
-
展示了意图和反应的常识推理如何可以帮助揭示普遍存在于现代电影脚本中的隐含的性别偏差现象。
为什么做这篇paper
理解一个记叙文需要常识性地推理人们关于事件的心理状态。
比如：alex is dragging his feet at work.
关于alex意图的语用含义是 alex wants to avoid doing things.
可以推断alex的情绪反应可能是lazy, bored.
同时可以推断，除了alex，其他人都可能受到这种情况的影响：frustrated, impatient.
可以应用到：
-
理想的对话系统应该根据用户经历的事件来推理用户的心理状态，从而以合理方式作出反应，而不需要用户明确地陈述他们的感受。
（同时将预测出的感受和依据、建立联系，由人工进行介入判断，提高模型判断结果）
-
社交媒体上的广告系统应该能够推理出人们在大规模枪击等事件后的情绪反应，并删除可能增加社会混乱的枪支广告。
引申到新闻热点事件后对人们情绪的预测；
引申到舆情信息事件后对公司股票的预测；
- 语用推理也是实现自动文本理解和生成的必要步骤
本文的贡献
这种社会常识推理远远超出了现在广泛研究的任务，超出了现有基线的范围。
- 一个新语料库，支持关于人们在各种日常事件和情境中的意图和反应的常识推断
- 推断那些甚至没有被事件短语直接提及的人的反应 reaction
- 提出了一个旨在生成意图和反应文本描述的任务，而不是对它们的极性进行分类或对给定文本描述之间的推理关系进行分类。
论文细节
语用推理的第一种类型是意图：为什么施事者导致事件发生，是行动或事件的心理前提。
第二类语用推理是情绪反应。我们将反应定义为解释施事者和参与事件的其他人的心理状态将如何因此改变。反应可以被认为是一种行为或事件的心理后置条件。
事件提取
从三个不同的语料库中提取短语事件：ROC故事训练集、Google语法N元组合Sprinn3r语料库。 根据 句法分析 （2003.年提出） 从语料库中的动词短语集合中得到事件。
然后， 用类型化变量（例如：PersonX、PersonY）替换谓词主语和其他实体，并有选择地用空白（_）替换动词参数。最终的标注语料库包含近25000个事件短语，覆盖1300个唯一的动词谓词。
demo
本文模型能够分析文本中隐含的人物形象，通过角色的行为来解释人物的心理状态方面的语用推理。
来源：CSDN
作者：谁怕平生太急
链接：https://blog.csdn.net/jinselizhi/article/details/103807680