Event2Mind论文
Event2Mind: Commonsense Inference on Events, Intents, and Reactions
什么是常识推理？
常识推理是个很有意思的话题，比如听到Alex is dragging his feet at work这句话可能反应过来他很懒惰或者无聊。
图：Examples of commonsense inference on mental states of event participants
背景
一个理想的对话系统应该以移情的方式作出反应，根据用户所经历的事件来推理用户的心理状态，而不需要用户明确地说明他们的感受。从这方面看，我们可以考察语用学！！！
这篇文章表明给定短语级的推理数据集，神经编码-解码模型可以成功地用嵌入短语表示常识，推理参与者心理状态变化。
亮点
phrase-level inference that requires pragmatic or commonsense interpretation
需要语用或常识解释的短语级推理
Focusing on the causal relations between events and people’s mental states.
关注事件与人的心理状态之间的因果关系
给定一个描述事件的短语，我们想对引起或影响事件的人的可能意图和情绪反应进行推理。
方法及步骤
Event Phrases事件短语
收集故事和博客里的简短文本，以及维基词典里的所有惯用动词短语，即为事件短语。
Generalizes the phrases by introducing (typed) variables
In particular, we replace words that correspond to entity mentions or pronouns with typed variables such as PersonX or PersonY. 替换person mentions为类型变量
More formally, the phrases we extract are a combination of a verb predicate with partially instantiated arguments. 抽取动词谓语和部分论元结合的短语。高频的保留论元，低频的替换成an untyped blank。
In our work, only person mentions are replaced with typed variables, leaving other types to future research.
Inference Types: Intent & Emotional Reaction
用到的corpus
the ROC Story training set
the Google Syntactic N-grams
the Spinn3r corpus
步骤
We derive events from the set of verb phrases in our corpora, based on syntactic parses.
模型的输入是通过带有类型化变量的自由文本描述的事件模式，比如PersonX gives PersonY as a gift。我们将每个事件模式E描述为一系列单词嵌入。该输入被编码为用于预测输出的向量。模型的输出是关于PersonX的意图、PersonX的反应和其他反应的假设（分别为vi、vx和vo）。
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。
论文解读
https://www.sohu.com/a/289192956_100118081