핵심 개념
DiffuCOMET은 확산 기반 학습을 통해 서사 맥락에 관련된 다양한 상식 지식을 생성한다.
초록
이 논문에서는 DiffuCOMET이라는 일련의 지식 모델을 개발하여 확산 기반 학습을 통해 서사 맥락과 관련된 상식 지식의 암묵적 의미 연결을 재구성하는 방법을 제안한다.
여러 단계의 확산 과정을 통해 DiffuCOMET은 서사 맥락에 고정된 상식 지식의 표현을 점진적으로 개선하여, 맥락에 관련성 있고 다양한 상식 추론을 생성한다.
DiffuCOMET의 성능을 평가하기 위해 상식 지식의 다양성과 맥락 관련성을 더 잘 측정할 수 있는 새로운 평가 지표를 소개한다. ComFact와 WebNLG+ 벤치마크에 대한 실험 결과, DiffuCOMET은 기존 지식 모델에 비해 상식 지식의 다양성, 맥락 관련성, 기준 참조와의 일치도 간 더 나은 균형을 달성한다.
통계
맥락에 맞는 상식 지식 생성은 서사 이해에 필수적이다.
기존 지식 모델은 일반적인 상식 지식 그래프에서 생성된 튜플을 출력하여 맥락과 관련성이 낮은 상식 추론을 생성하는 문제가 있다.
또한 자기회귀 학습 목적으로 인해 다양성이 제한적인 상식 추론만을 생성한다.
인용구
"Inferring contextually-relevant and diverse commonsense to understand narratives remains challenging for knowledge models."
"Over multiple iterations of constrained diffusion, our models refine a latent representation of the semantic connections between a context and its relevant facts, ensuring that it generates commonsense knowledge that is more contextually relevant to the narrative."