¿Cuáles son algunos usos interesantes de Open Mind Common Sense Reasoning ConceptNet?

Vayamos directamente a la fuente y echemos un vistazo a algunas de las aplicaciones citadas en un documento general escrito por los desarrolladores:

Representación del conocimiento relacional general en ConceptNet 5

ConceptNet proporciona una base de conocimiento del mundo real a una variedad de proyectos y aplicaciones de IA. Las versiones anteriores de ConceptNet (Havasi et al., 2007) se han utilizado, por ejemplo, para construir un sistema para analizar el contenido emocional del texto (Cambria et al., 2010), para crear un sistema de diálogo para mejorar las especificaciones del software (Korner y Brumm, 2009), para reconocer las actividades de la vida diaria (Ullberg et al., 2010), para visualizar temas y tendencias en un corpus de texto no estructurado (Speer et al., 2010), y para crear exhibiciones de información pública al leer el texto sobre personas y proyectos desde una base de conocimiento (Havasi et al., 2011)

A continuación, veamos qué se ha publicado más recientemente (entre 2014 y 2017)

https://scholar.google.com/schol…

ConceptNet 5.5: un gráfico abierto multilingüe de conocimiento general

Una de las áreas de aplicación más interesantes (para mí) es la creatividad computacional:

Automatizando la ideación ficticia usando ConceptNet

La invención de ideas ficticias (ideación) es a menudo un proceso central en la producción de artefactos como poemas, música y pinturas de una manera creativa. La ideación ficticia automatizada debería, por lo tanto, ser de gran interés en el estudio de la creatividad computacional, pero solo se han explorado algunos enfoques. Describimos aquí los resultados preliminares de un nuevo método para la generación automatizada y la evaluación de ideas ficticias que utiliza ConceptNet, una red semántica

Una aplicación interesante de este tipo de base de datos es usarla para crear una herramienta para extraer automáticamente relaciones de conjuntos de datos de texto. Hay una serie de buenos documentos sobre este tipo de cosas, el más famoso es probablemente este de Stanford: http://www.stanford.edu/~jurafsk

La forma básica en que esto funciona es usar una herramienta de extracción de entidades con nombre, como MITIE, para encontrar todos los pares consecutivos de entidades y luego un clasificador decide qué pares forman relaciones válidas. De hecho, esto es algo en lo que estoy trabajando para agregar a MITIE en este momento 🙂