廖 涛，王 旭

(安徽理工大学计算机科学与工程学院，安徽 淮南 232001)

事件抽取是自然语言处理(Nature Language Processing,NLP)中的一项重要子任务，其目的是从非结构化文本中抽取出用户感兴趣的信息，并以结构化的形式呈现给用户，因此近些年各种基于事件的研究模型以及应用技术也层出不穷[1]。事件作为文本信息类的一种表现形式，通常是由某个主题的多个子事件串联起来，所以事件之间存在各种语义关系，其中包括分类和非分类(因果关系、伴随关系、时序关系以及组成关系)关系[2]。

作为事件关系中的一项重要语义关系，因果关系反映了事件间先后相继、由因及果的联系。自然语言文本中包含相当多的因果知识，因此因果关系的抽取对于许多自然语言处理任务也变得越来越重要，如信息检索、问题回答、医学文本挖掘[3-4]。所谓事件因果关系抽取是指，若事件e1的出现导致了事件e2的出现，并且这种出现的概率是大于给定的概率值，那么可以认为e1和e2间含有因果关系，e1为原因事件，e2为结果事件，则将它们形式化表示为(e1,e2,causal)。

现有的事件因果关系抽取方法多是将抽取问题转化为分类问题，主要是对信息特征进行抽取再分类，取得了一定的成功。但目前看来，由于自然语言文本的模糊性和多样性，因果关系抽取中的词语特征不符合语境，语义特征表征不足的问题仍然是自然语言处理任务中难以解决的。针对这个问题，本文通过构建包含词向量以及考虑文本……