【问题标题】:AI: Partial Unification in Open-World Reference ResolutionAI:开放世界参考分辨率的部分统一
【发布时间】:2013-06-13 14:59:11
【问题描述】:

在对描述对话表达式语义的谓词执行引用解析时,由于在开放世界中工作,我需要能够允许部分统一。

例如,考虑以下场景:

你面前有一个蓝色的盒子。 我们使用 id 3 来引用这个蓝色框。

一组谓词box(x)^blue(x) 可以轻松解析为您所知道的蓝色框。进行此查询将返回3

一组谓词ball(x)^yellow(x) 不会解决任何问题。这很好。

但现在考虑ball(x)^yellow(x)^box(y)^blue(y)^behind(x,y) 也就是蓝色盒子后面的黄色球。

我们不知道黄色球,但我们知道蓝色盒子!当然,有可能已知盒子后面没有球,而另一个盒子正在被提及。但我们很确定我们知道正在谈论什么盒子。

我在一个概率框架内工作,在这个框架中我计算每组绑定满足一组命题的概率;然后,引用解析过程返回最可能的统一器/绑定集。不幸的是,当考虑behind(x,y) 时,我的系统消除了3 绑定到y 的可能性,因为它不知道ID 为3 的框后面有任何黄球。

有没有办法对谓词进行部分统一,让系统判断语句最可能的解析是y/3 x/?,即y绑定为3,x的标识为未知?

【问题讨论】:

  • 注意:我考虑过添加通配符标识符? 来表示未知地点。在这种情况下,系统不仅会考虑例如绑定 (1,1),(1,2),(2,1) 和 (2,2),还会考虑 (1,?), ( 2,?),(?,1),(?,2) 和 (?,?)。不幸的是,我认为这不是一个可行的解决方案,因为我无法想象如何计算这些概率;计算具有相关属性的已知实体的概率很容易,但我不知道如何计算具有这些属性的未知实体存在的概率。
  • 这里的分辨率到底是什么意思?在自动定理证明中,resolution 通常指的是采用两个 disjunctive 子句并产生新的 disjunctive 子句的规则。不过,你有连词。如果您有一个像“每个黄色球都在每个蓝色盒子后面”这样的句子,则该子句将是 1:{-yellow(x),-ball(x),-blue(y),-box(y),behind( x,y)}。然后,您对蓝色框的观察是两个子句:2:{box(3)} 和 3:{blue(3)}。解析 1 和 2 产生 4:{-yellow(x),-ball(x),-blue(3),behind(x,3)}。然后,解决 3 和 4……
  • …产生 5:{-yellow(x),-ball(x),behind(x,3)}。如果你后来发现个人是一个黄球,你将有 6:{yellow(y)} 和 7:{ball(7)}。再经过两个决议后,您将拥有 {behind(3,7)}。这是你想做的事情吗?
  • 这里的解析不是在你使用它的意义上使用的,而是在共指解析的语言意义上使用(参见:en.wikipedia.org/wiki/Coreference)。
  • 啊,好的。然后,您可能希望从问题中删除统一标签。它在标签 wiki 中的描述是“统一,在计算机科学和逻辑中,是一种算法过程,人们试图通过它来解决可满足性问题。统一的目标是找到一个替代,证明两个看似不同的术语实际上是相同的或只是相等的。”我不认为这正是你想要做的。

标签: logic artificial-intelligence robotics unification uncertainty


【解决方案1】:

一个暂定的解决方案(如果有人想到更好的方法......请说出来!)

解析句子时,解析器可能能够确定某些实体比其他实体更有可能被接地。在这句话中,盒子比球更容易接地。在句子片段the brother of the king's gardener中,兄弟的可能性最小,园丁的可能性更大,国王的可能性最大。

如果此信息反映在语义中或与它们一起提供,则它们可以通知启发式算法,该启发式算法可以在面对未解析的引用表达式时尝试假设引用在提供的顺序中未知,直到引用成功解析为止。

【讨论】:

    【解决方案2】:

    在我看来,问题不在于谓词的部分统一。这是统一的常规部分,因为我们统一变量,而不是谓词,并且谓词可能涉及多个变量,其中只有一些是统一的。

    正如您所指出的,问题似乎更多地与开放世界有关,因为缺乏关于黄球的知识并不意味着没有。

    除了我已经在你的另一个问题Constraint Satisfaction with Uncertainty 中给你的参考

    对于这个特殊问题,您可能需要查看这些论文,它们专门处理这些问题:

    David Poole,一阶概率推理: http://www.cs.ubc.ca/~poole/talks/ijcai-2011-tutorial/poole-liftedVE.pdf

    de Salvo Braz 等人,提升的一阶概率推理 http://reason.cs.uiuc.edu/eyal/papers/fopl-res-ijcai05.pdf

    【讨论】:

      猜你喜欢
      • 1970-01-01
      • 1970-01-01
      • 1970-01-01
      • 2015-06-29
      • 1970-01-01
      • 1970-01-01
      • 1970-01-01
      • 2012-10-02
      • 1970-01-01
      相关资源
      最近更新 更多