15、自然语言推理：基于知识库的溯因推理与自然逻辑模型

自然语言推理：基于知识库的溯因推理与自然逻辑模型

在自然语言处理领域，自然语言推理（NLI）是一个核心问题，旨在确定能否从给定前提合理推断出假设。下面将介绍两种不同的推理方法，一种是基于大型知识库的溯因推理，另一种是自然逻辑模型。

基于大型知识库的溯因推理

在处理文本时，我们常常需要从已知信息中推断出隐含的信息。例如，当得知“举行选举”时，我们可以推断出如果A和B之间有选举，那么A在选举中面对B。以下是一个具体的例子：
- 前提（T）：选举官员周六表示，伊朗将举行其历史上第一次总统决选，竞选双方是总统阿克巴尔·哈希米·拉夫桑贾尼和德黑兰强硬派市长。
- 假设（H）：官员周六表示，哈希米·拉夫桑贾尼将在伊朗有史以来的第一次总统决选中面对德黑兰强硬派市长。

为了实现这样的推理，我们需要一个大型且可靠的知识库。过去的研究表明，词汇 - 语义关系只是所需知识的一种类型，因此我们的知识库需要显著扩展。

语义角色标注

在使用从FrameNet派生的公理进行推理时，我们评估了系统在分配框架和框架角色方面的表现。对于Mini - TACITUS系统来说，语义角色标注是构建最佳解释的副产品。为了评估这一任务，我们使用了用于文本蕴含的框架标注语料库FATE作为黄金标准。需要注意的是，FATE只标注了与计算蕴含相关的框架，而Mini - TACITUS会为句子进行所有可能的框架分配，因此我们只提供框架匹配的召回率，而不考虑精确率。

以下是不同系统在框架/角色标注方面对FATE语料库的评估结果：
| 系统 | 框架匹配召回率 | 框架匹配精确率 | 角色匹配召回率 |
| — | — | — | —