事件因果关系抽取研究.pdfVIP

Vol.52No.10计算机与数字工程总第420期

3026ComputerDigitalEngineering第52卷

2024年第10期

事件因果关系抽取研究∗

陈洁张琨朱浩华陈智源方自正

（南京理工大学计算机科学与工程学院南京210094）

摘要事件因果关系抽取是信息抽取任务的重要组成之一，也是当前自然语言处理的研究热点和难点问题。事件因

果关系抽取研究文本中事件之间的潜在关系，有利于深度剖析事件发展的原因和趋势，在多个领域得到了广泛的应用。根

据事件因果关系抽取方法的不同，可以分为基于模板匹配、基于机器学习和基于深度学习三大类。论文对事件因果关系抽

取任务进行了简单的介绍，回顾了事件因果关系抽取的发展历程。然后，介绍事件因果关系抽取的三大类方法和相关预训

练语言模型，并总结展望了未来的发展趋势。

关键词自然语言处理；因果关系抽取；机器学习；深度学习；神经网络

中图分类号TP181DOI：10.3969/j.issn.1672-9722.2024.10.030

ResearchofEventCausalityExtraction

CHENJieZHANGKunZHUHaohuaCHENZhiyuanFANGZizheng

（SchoolofComputerScienceandEngineering，NanjingUniversityofScienceandTechnology，Nanjing210094）

AbstractEventcausalityextractionisoneoftheimportantcomponentsofinformationextractiontasks，anditisalsoahot

anddifficultissueincurrentnaturallanguageprocessingresearch.Eventcausalityextractionstudiesthepotentialrelationshipbe⁃

tweeneventsinthetext，whichisconducivetoin-depthanalysisofthecausesandtrendsofthedevelopmentofevents，andhas

beenwidelyusedinmanyfields.Accordingtothedifferentmethodsofeventcausalityextraction，itcanbedividedintothreecatego⁃

ries：basedontemplatematching，basedonmachinelearningandbasedondeeplearning.Thispaperintroducesthetaskofevent

causalityextraction，andreviewsthedevelopmentofeventcausalityextraction.Then，threecategoriesofmethodsforeventcausality

extractionandrelatedpre-trainedlanguagemodelsareintroduced，andthefuturedevelopmenttrendsaresummarizedandprospect⁃

ed.

KeyWordsnaturallanguageprocessing，causalrelationshipextraction，machinelearning，deeplearning，neuralnetwork

ClassNumberTP181

件预测、问题回答以及决策支持等领域有着重要应

1引言