具有Event-Argument相關(guān)性的事件因果關(guān)系提取方法

一句話總結(jié)

本文從已有的事件因果關(guān)系識(shí)別(ECI)重新提出了一種新的信息抽取任務(wù)：事件因果關(guān)系提取(ECE)從純文本當(dāng)中，并提出一種 dual grid tagging scheme方法。

論文:【COLING2022】Event Causality Extraction with Event Argument Correlations
地址//arxiv.org/pdf/2301.11621.pdf
代碼//github.com/cuishiyao96/ECE
單位:中科院、北郵

摘要

事件因果關(guān)系識(shí)別（ECI）旨在檢測兩個(gè)給定文本事件之間是否存在因果關(guān)系，是事件因果關(guān)系理解的重要任務(wù)。然而，ECI 任務(wù)忽略了關(guān)鍵的事件結(jié)構(gòu)和因果因果關(guān)系組件信息，使其難以用于下游應(yīng)用。

在本文中，我們探索了一項(xiàng)新任務(wù)，即事件因果關(guān)系提取 (ECE)，旨在從純文本中提取因果事件因果關(guān)系對及其結(jié)構(gòu)化事件信息。

ECE 任務(wù)更具挑戰(zhàn)性，因?yàn)槊總€(gè)事件都可以包含多個(gè)事件參數(shù)，在事件之間建立細(xì)粒度的相關(guān)性來決定因果事件對。

因此，我們提出了一種具有雙網(wǎng)格標(biāo)記方案(dual grid tagging scheme)的方法來捕獲 ECE 的事件內(nèi)和事件間參數(shù)相關(guān)性。

此外，我們設(shè)計(jì)了一個(gè)事件類型增強(qiáng)的模型架構(gòu)來實(shí)現(xiàn)雙網(wǎng)格標(biāo)記方案。

實(shí)驗(yàn)證明了我們方法的有效性，廣泛的分析指出了 ECE 未來的幾個(gè)方向。

實(shí)驗(yàn)與分析

審核編輯 ：李倩