一种基于知识增强和半监督校验的常识推理方法

本发明公开了一种基于知识增强和半监督校验的常识推理方法，主要用于常识生成，帮助人们更好地理解数据和知识。本发明对于给定的前提原子[X]t[Y]，首先尝试进行关系对齐。其次，构建提示模板，进行融入本体信息的常识预生成，接着，进行基于正样本和无标签学习的无监督后校验，根据少量正确常识推理样本和大量无标记常识样本训练校验二元分类器，以减轻预训练语言模型知识幻觉的影响。最后，本发明扩充了常识数据集完成对本发明所述模型的训练与测试，并通过一系列实验验证所述方法的有效性。进一步的消融实验表明，本发明的方法在有效降低常识生成错误率的同时，保持了生成常识的多样性。