郑余祥, 左祥麟,2, 左万利,2, 梁世宁, 王 英,2

(1. 吉林大学 计算机科学与技术学院, 长春 130012;2. 吉林大学 符号计算与知识工程教育部重点实验室, 长春 130012)

近年来, 随着互联网的飞速发展产生了大量的文本数据, 文本中的关系抽取对于理解和得到有价值的信息至关重要[1]. 因果关系的抽取[2]在文本关系中占重要地位, 当获得了文本中的因果关系时, 很容易判断文本的主干内容, 因此因果关系可应用于许多自然语言处理任务, 例如问答系统[3]、 文本摘要、 决策支持[4]等.

理解事件是自然语言处理的重要组成部分, 该过程的重要步骤是确定事件之间的关系. 在事件之间可能存在的许多关系类型中, 本文主要研究时间关系对因果关系的提取作用. 研究时间和因果关系的主要障碍是缺乏共同注释的数据, 目前, 因果关系都没有指定标准, 本文工作标注了一个联合注释的数据集. 通过TimeML[5]时间标注准则, 修改CausalTimeBank数据集、 StoryLine数据集和SemEval2020_task5原始数据集, 生成的新数据集包含事件的时间关系和因果关系.

在传统因果关系抽取中, 时间关系作为特征常用于机器学习方法中, Yang等[6]总结了传统因果关系的研究体系, 对因果抽取方式的统计结果表明, 深度学习方向的因果关系抽取并未涉及到时间关系； 在时间关系中包含事件发生的顺序, 这有助于对因果关系的判断, Mirza等[7]从文本中获取指定事件上下文关系、 词性及时间标签等特征, 用分类器对指定事件进行判断, 并提出了利用时间TimeML准则对因果事件进行标注, 之后又提出了CATENA模型[8], 设定了基于时间关系的过滤规则, 证实对时间和因果进行联合抽取相互促进；……