事象間関係知識の連続空間への埋め込みによる柔軟な推論機構の開発

点击翻译按钮获取中文摘要

１．含意関係ツリーの生成技術: 課題2の推論技術の開発の一環として、与えられた自然言語文に対して、自然言語で書かれた知識ベースを用いて証明木を構築する方法を検討した。具体的には、大規模言語モデルを1ステップの事象間関係推論モデルとして用いて、アブダクティブに、１ステップずつ再帰的に証明を展開していく手法を検討した。既存の Entailment Bank (Dalvi et al. 2021) というデータセットを用いてその効果を検証した。２．推論ルールの分析技術: 課題2で開発する推論技術の内部挙動を分析できるようにするために、深層学習モデルから、そのモデルが予測に用いている推論ルールを抽出する方法を検討した (原口ら2023)。感情極性分析モデル、含意関係認識モデルを題材として、妥当な推論ルールが実際に抽出されていることを確認した。またこれらのルールの一部は、既存研究で指摘されているショートカット推論の知見とも一致することが分かった。３．推論技術のテストベッドの試作: 課題2で開発する推論技術の評価に向けて、自然言語により与えられた二つの事象間関係から、新たな事象間関係を推論する能力をテストするためのベンチマークデータセットの構築方法を模索した。具体的には、既存の大規模知識グラフである Wikidata から推移律的な推論ルールを抽出し、これと Wikipedia の記事を組み合わせるという方法を検討した。