Understand the Dynamic World: An End-to-End Knowledge Informed Framework for Open Domain Entity State Tracking

要約

タイトル：動的な世界を理解するための開放的ドメインエンティティ状態トラッキングのためのエンドツーエンド知識インフォームドフレームワークの理解
要約：

– 開放的ドメインエンティティ状態トラッキングは、アクションの説明からエンティティの合理的な状態変化（つまり、[属性]の[エンティティ]が[前の状態]で、[後の状態]になった）を予測することを目的とする。
– これは多くの推論タスクにとって重要であり、人間の日常活動を支援するために必要である。
– しかし、アクションに暗黙的に関連するエンティティのほとんどは、その属性や状態もオープンな語彙から取得されるため、モデルはアクションによって引き起こされる任意の数のエンティティの状態変化を予測する必要があり、これはチャレンジングである。
– これらの課題に対処するため、我々はOpen Domain Entity State Trackingのための新しいエンドツーエンドKnowledge Informedフレームワーク、すなわちKIESTを提案する。KIESTは外部知識グラフ（ConceptNet）から関連するエンティティと属性を明示的に取得し、新しい動的知識グレインドエンコーダ・デコーダフレームワークで自己回帰的にすべてのエンティティ状態変化を生成するように組み込む。
– 予測されたエンティティ、属性、および状態の間の論理的な整合性を強制するために、私たちは新しい制約デコード戦略を設計し、整合性報酬を使用してデコードプロセスを改善する。
– 実験結果は、提案されたKIESTフレームワークが公共のベンチマークデータセットOpenPIで強力なベースラインを大幅に上回っていることを示している。

要約(オリジナル)

Open domain entity state tracking aims to predict reasonable state changes of entities (i.e., [attribute] of [entity] was [before_state] and [after_state] afterwards) given the action descriptions. It’s important to many reasoning tasks to support human everyday activities. However, it’s challenging as the model needs to predict an arbitrary number of entity state changes caused by the action while most of the entities are implicitly relevant to the actions and their attributes as well as states are from open vocabularies. To tackle these challenges, we propose a novel end-to-end Knowledge Informed framework for open domain Entity State Tracking, namely KIEST, which explicitly retrieves the relevant entities and attributes from external knowledge graph (i.e., ConceptNet) and incorporates them to autoregressively generate all the entity state changes with a novel dynamic knowledge grained encoder-decoder framework. To enforce the logical coherence among the predicted entities, attributes, and states, we design a new constraint decoding strategy and employ a coherence reward to improve the decoding process. Experimental results show that our proposed KIEST framework significantly outperforms the strong baselines on the public benchmark dataset OpenPI.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI