استخراج علاقات المعنى المشترك من تعليمات المهام الإجرائية باستخدام بيرت

المعرفة المعنية بالمعالجة المعنية ذات الصلة أمر بالغ الأهمية لدعم تخطيط الإجراءات للمهام المعقدة. على وجه الخصوص، يمكن استخدام معلومات الأدوات بما يمكن القيام به مع أدوات معينة للحد من مساحة البحث التي تنمو بشكل كبير مع عدد خيارات قابلة للحياة. توفر مصادر نموذجية لمثل هذه المعرفة، وقواعد المعرفة المعيشية المعيشية منظم مثل Cysisnet أو Child Webchild، كمية محدودة من المعلومات التي تختلف أيضا بشكل كبير عبر المجالات المختلفة. بالنظر إلى النجاح الأخير لنماذج اللغة المدربة مسبقا مثل بيرت، فإننا نبحث في ما إذا كان يمكن استخراج معلومات الإحالة المشتركة مباشرة من النص شبه المنظم بذل جهد شرح مقبول. بشكل ملموس، قارنا علاقات المعيشية المشتركة التي تم الحصول عليها من المفاهيم مقابل تلك المستخرجة مع Bert من قواعد بيانات وصفة كبيرة. في هذا السياق، نقترح وظيفة التهديف، بناء على تصنيف Wordnet TEXT لمطابقة شروط محددة لأكثر عمومية، مما يتيح تقييم غني مقابل مجموعة من علاقات الحقيقة الأرضية.

Manipulation-relevant common-sense knowledge is crucial to support action-planning for complex tasks. In particular, instrumentality information of what can be done with certain tools can be used to limit the search space which is growing exponentially with the number of viable options. Typical sources for such knowledge, structured common-sense knowledge bases such as ConceptNet or WebChild, provide a limited amount of information which also varies drastically across different domains. Considering the recent success of pre-trained language models such as BERT, we investigate whether common-sense information can directly be extracted from semi-structured text with an acceptable annotation effort. Concretely, we compare the common-sense relations obtained from ConceptNet versus those extracted with BERT from large recipe databases. In this context, we propose a scoring function, based on the WordNet taxonomy to match specific terms to more general ones, enabling a rich evaluation against a set of ground-truth relations.