Process / pipeline

NLP中的常识推理

NLP中的常识推理是指语言模型或推理系统利用隐含的、人类视为理所当然的世界知识事实——即文本中未明确陈述的事实——来回答问题、补全故事或解读对话的能力。将该任务形式化的里程碑式基准包括ATOMIC (Sap et al., 2019)，一个“如果-那么”常识知识图谱，以及HellaSwag (Zellers et al., 2019)，一个句子补全挑战，它暴露了机器对日常事件理解的不足。

在 MethodMind 中打开即将推出视频即将推出下载幻灯片

阅读完整方法

仅限会员

使用免费账户登录即可阅读本节。

方法图谱

相关方法的邻域——选择一个节点以展开探索。

NLP中的常识推理

BERT 嵌入文本知识图谱构建机器阅读理解 (MRC)问答 (QA)检索增强生成（RAG）语义角色标注 (SRL)

来源

Sap, M. et al. (2019). ATOMIC: An Atlas of Machine Commonsense for If-Then Reasoning. AAAI. link ↗
Zellers, R. et al. (2019). HellaSwag: Can a Machine Really Finish Your Sentence? ACL. link ↗

如何引用本页

ScholarGate. (2026, June 1). Commonsense Reasoning in NLP. ScholarGate. https://scholargate.app/zh/text-mining/commonsense-reasoning-nlp

选用哪种方法？

将本方法与其最相近的同类并置，并排研读——本馆将书籍铺陈于案上，取舍则由您定夺。

并排比较 →

发现本页有问题？报告或提出修改建议 →