应用错误收集

严格来说，“老鼠吃猫”不是不合逻辑的（当然也不是不合语法的）。真是令人惊讶。

因此，如果我理解正确，那么您正在评估“老鼠吃猫”这一说法正确的可能性。

解决这种常识性推理问题的一种方法是拥有许多列出通常事务状态的前提。

猫通常比小鼠大。食者通常比食者大。

然后您可以将其用作三段论来建立进一步的前提：

因此，老鼠吃猫是不寻常的。

然后您需要保留已知异常食者可能比食者死亡的地方小。如果食者比食者多，食者可能比食者小。食者可能比食者要吃的部分要小。

然后从“老鼠吃猫”这一前提中可以得出“老鼠吃猫是不常见的”和“也许猫死了。也许有很多老鼠。也许老鼠只吃了猫的一部分也许前提是“老鼠吃猫”是错误的。”

https://en.wikipedia.org/wiki/Open_Mind_Common_Sense是一个有趣的常识推理应用程序... ...这里提供了一个实用的推理api

但是，请记住，这还不是很好。但这是增强智能的一个很好的起点，例如-人工智能证实，人类证实（这同时为人工智能增加了训练元素）。然后，您需要为感兴趣的领域添加许多特定于域的概念。这可能很难。我已经为此工作了十年！

https://web.stanford.edu/~jurafsky/mintz.pdf可能也是建立一组概念的良好起点。尝试https://github.com/mit-nlp/MITIE从语料库中提取概念。

祝您好运。