语义意识增强事件因果关系识别
Xinfang Liu1,2, Wenzhong Yang3,4, Fuyuan Wei1,2
1School of Computer Science and Technology, Xinjiang University, Urumqi, 830017, China.
一个新的框架,分层特征提取和快速意识注意力 (HFEPA),通过更好地捕捉隐性关系来改善事件因果关系的识别. 一个新的中国数据集 (中国新闻因果关系) 解决了数据稀缺问题,促进了研究进展.
科学领域:
- 自然语言处理自然语言处理.
- 人工智能的人工智能
- 计算语言学 计算语言学
背景情况:
- 事件因果识别 (ECI) 研究通常依赖于外部知识,忽视内在句子语义.
- 现有的方法与隐含的因果关系扎,并面临数据限制,特别是在中文中.
研究的目的:
- 提出一个新的框架,分层特征提取和即时意识注意力 (HFEPA),用于增强ECI.
- 解决ECI研究中中文注释数据集的稀缺问题.
- 改进事件之间的隐性因果关系的识别.
主要方法:
- 层次特征提取 (HFE) 模块:提取事件和分段级特征以获得更丰富的语义表示.
- 立即意识注意 (PAA) 模块:利用预训练模型捕获隐性因果知识和上下文信息.
- 中国新闻因果关系 (CNC) 数据集的发展:一个大规模的数据集,以减轻数据稀缺.
主要成果:
- 在EventStoryLine和新的CNC数据集上,HFEPA框架显著优于现有的方法.
- 拟议的CNC数据集,有25629个事件提及和5569个因果对,是迄今为止最大的中国ECI数据集.
- 通过整合层次特征和迅速意识到注意力,HFEPA有效地捕捉了隐含的因果关系.
结论:
- HFEPA提供了一种更有效的事件因果关系识别方法,特别是隐含关系.
- CNC数据集的开发是推动中国ECI研究的重要贡献.
- 该研究强调了 ECI 中内在语义特征和即时意识机制的重要性.
更多相关视频
08:43Application of Granger Causality Analysis of the Directed Functional Connection in Alzheimer's Disease and Mild Cognitive Impairment
Published on: August 7, 2017
05:59Author Spotlight: Unlocking New Insights in fNIRS Studies - A Novel Framework for Inter-Brain Synchrony Analysis
Published on: October 6, 2023
相关概念视频
Criteria for Causality: Bradford Hill Criteria - II
Criteria for Causality: Bradford Hill Criteria - I
Causality in Epidemiology
Cause and Effect
Correlation and Causation
Correlation versus Causation
If the dependent variable increases or decreases when the independent variable increases, there is a positive or negative...
Fundamental Attribution Error
