Learning General Event Schemas with Episodic Logic
Learning General Event Schemas with Episodic Logic
复制标题
DOI：
--
复制
发表时间：
2021
期刊：
影响因子：
--
通讯作者：
Lane Lawley;Lenhart K. Schubert
中科院分区：
文献类型：
--
作者：
Lane Lawley;Lenhart K. Schubert
我们提出了一个系统，用于从自然语言故事中学习概括的、刻板的事件模式或“模式”，并应用它们来预测其他故事。我们的图式是用情景逻辑来表示的，这是一种与自然语言密切相关的逻辑形式。通过一组“领先”的原型模式——1岁或2岁的孩子可能知道的模式——我们可以通过很少的故事例子——通常只有一两个——获得有用的、一般的世界知识。学习到的模式可以组合成更复杂的复合模式，并用于在只有部分信息可用的其他故事中进行预测。
We present a system for learning generalized, stereotypical patterns of events—or “schemas”—from natural language stories, and applying them to make predictions about other stories. Our schemas are represented with Episodic Logic, a logical form that closely mirrors natural language. By beginning with a “head start” set of protoschemas— schemas that a 1- or 2-year-old child would likely know—we can obtain useful, general world knowledge with very few story examples—often only one or two. Learned schemas can be combined into more complex, composite schemas, and used to make predictions in other stories where only partial information is available.