Generating Event Causality Hypotheses through Semantic Relation

通过语义关系生成事件因果关系
基本思想：通过名词之间的语义关系从网络中提取的已知事件因果来假设未知的事件因果关系。假设与具有语义关系并构成事件因果关系的名词对有相同语义关系的名词对也可构成事件因果关系
贡献：提出候选因果关系生成的方法，使用日语做了相关实验

过程：

1. 生成候选因果关系。通过已存在因果关系的名词对从web中根据假设提取的因果关系候选对
   图
   七种模式的因果关系类型：causation，material，necessity，use，prevention，excitation，entailment
   1）参照因果关系类型按照假设生成初级的候选因果事件
   2）使用一定的规则过滤初级的候选因果事件（只保留被登记在词频共现数据库的名词对;删除存在停用词列表的名词对;保留不同名词组成的名词对;删除已经存在因果关系的名词对）
   注：候选因果关系名词对是生成的而不是从原始的句子中提取出来的。
2. 使用标记的事件因果关系数据和特征（Hashimoto提出的因果事件抽取任务中的特征）训练分类器（SVM）
   特征包括：
   a）语义关系特征：候选因果对的名词之间使用具体的语义描述关系更加合理，语义关系即为上面提到的七种中的任意一种
   b）上下文特征：根据因果对人工生成的句子，包括因果词对和关系
   c）关联特征：原因短语的每个词都与效果短语强关联
   d）基本特征：名词，语义类，模板，激发极性
3. 识别隐藏的因果关系。基于分类器对事件因果关系的合理性打分