COLING2022 | 中科院+北邮提出：具有Event-Argument相关性的事件因果关系提取方法

一句话总结

本文从已有的事件因果关系识别(ECI)重新提出了一种新的信息抽取任务：事件因果关系提取(ECE)从纯文本当中，并提出一种 dual grid tagging scheme方法。

论文:【COLING2022】Event Causality Extraction with Event Argument Correlations
地址:https://arxiv.org/pdf/2301.11621.pdf
代码:https://github.com/cuishiyao96/ECE
单位:中科院、北邮

摘要

事件因果关系识别（ECI）旨在检测两个给定文本事件之间是否存在因果关系，是事件因果关系理解的重要任务。然而，ECI 任务忽略了关键的事件结构和因果因果关系组件信息，使其难以用于下游应用。

在本文中，我们探索了一项新任务，即事件因果关系提取 (ECE)，旨在从纯文本中提取因果事件因果关系对及其结构化事件信息。

ECE 任务更具挑战性，因为每个事件都可以包含多个事件参数，在事件之间建立细粒度的相关性来决定因果事件对。

因此，我们提出了一种具有双网格标记方案(dual grid tagging scheme)的方法来捕获 ECE 的事件内和事件间参数相关性。

此外，我们设计了一个事件类型增强的模型架构来实现双网格标记方案。

实验证明了我们方法的有效性，广泛的分析指出了 ECE 未来的几个方向。

实验与分析

最近文章


深入理解Pytorch中的分布式训练


点击这里进群—>加入NLP交流群