Event2Mind：事件、意图和反应的常识推理
华盛顿大学 ACL2018
新的常识推理任务：给定一个以简短的自由文本（比如：X在早上喝咖啡）描述的事件，系统推理事件参与者的可能依图（比如：X想保持清醒）和相对反应（比如：X感觉清醒了）
构建了一个包含25000个事件短语的新的众包语料库，这些事件短语涵盖了各种各样的日常事件和情景。
实验证明：神经编码-解码器模型能够成功地合成未知事件的嵌入表示，并推理可能的意图和反应。
此外，展示了意图和反应的常识推理如何可以帮助揭示普遍存在于现代电影脚本中的隐含的性别偏差现象。
学习链接
数据源
这种类型的语用推理可以在多种即使没有明确提及，但却需要准确预测人们意图和情绪反应的NLP应用上使用。
例如：
理想的对话系统应该根据用户经历的事件来推理用户的心理状态，从而以合理方式作出反应，而不需要用户明
确地陈述他们的感受。
类似地，社交媒体上的广告系统应该能够推理出人们在大规模枪击等事件后的情绪反应，并删除可能增加社会混乱的枪支广告。
同时，推荐系统可以结合热点新闻以及人们在热点情况下的情绪变化带来购买欲望。
此外，语用推理也是实现自动文本理解和生成的必要步骤。
文章介绍了一个新的任务，语料库和模型，，支持对事件的常识推理，在简短自有文本上对人们的意图和反应进行建模。
本文贡献：
（1）一个新语料库，支持关于人们在各种日常事件和情境中的意图和反应的常识推断
（2）推断另一方甚至没有被事件短语直接提及的人
（3）提出一个旨在生成意图和反应文本描述的任务，而不是对它们的极性进行分类或对给定文本描述之间的推理关系进行分类