基于多模板提示调优和知识增强的事件因果关系识别方法

事件因果关系识别(Event Causality Identification,ECI)是自然语言处理领域的一项重要研究任务,旨在识别文本中事件之间的因果关系。现有方法大都基于微调范式,不能较好发挥预训练语言模型的作用,难以有效捕获隐式因果关系识别的线索。为此,该文提出了一种基于多模板提示调优和知识增强的事件因果关系识别方法。针对ECI任务设计独特的总提示模板,对显式和隐式事件因果关系分别设计不同的种子提示模板,集成训练所有提示模板,形成适应于ECI任务的提示调优方式。通过引入ConceptNet、Oxford Dictionaries等外部知识库,丰富事件的解释性知识和事件之间的关系性知识,将不同的知识融入提示模板,强化隐式因果关系线索。在EventStoryLine和Causal-TimeBank两个广泛使用的数据集上的实验结果表明,该文方法性能优于现有方法。

结合Roberta和Bi-FLASH-SRU的中文事件因果关系抽取

针对现有基于填表的事件关系抽取方法填表数目过多、表格特征获取不充分的问题,本文提出了结合Roberta和Bi-FLASH-SRU的中文事件因果关系抽取方法 TF-ChineseERE.该方法通过制定填表策略,利用文本中已标记关系,将其转化为带有标签的表格;借助Roberta预训练模型和本文提出的双向内置闪电注意力简单循环单元(bidirectional built-in flash attention simple recurrent unit,Bi-FLASH-SRU)获取主客体事件特征,再利用表格特征循环学习模块挖掘全局特征,最后进行表格解码获得事件因果关系三元组.实验采用金融领域两个公开数据集进行验证,结果表明,本文提出的方法 F_(1)值分别达到59.2%和62.5%,且Bi-FLASH-SRU模型训练速度更快,填表数目更少,证明了该方法的有效性.

基于双向LSTM的维吾尔语事件因果关系抽取

针对传统方法不能有效抽取维吾尔语事件因果关系的问题,该文提出一种基于双向LSTM(Bidirectional Long Short-Term Memory,Bi LSTM)的维吾尔语事件因果关系抽取方法。通过对维吾尔语语言以及事件因果关系特点的研究,提取出10项基于事件内部结构信息的特征;同时为充分利用事件语义信息,引入词嵌入作为Bi LSTM的输入,提取事件句隐含的深层语义特征并利用批样规范化(Batch Normalization,BN)算法加速Bi LSTM的收敛;最后融合这两类特征作为softmax分类器的输入进而完成维吾尔语事件因果关系抽取。实验结果表明,该方法用于维吾尔语事件因果关系的抽取准确率为89.19%,召回率为83.19%,F值为86.09%,证明了该文提出的方法在维吾尔语事件因果关系抽取上的有效性。

壮语Deng(te:η)字句的事件因果关系认知识解

在壮语中,Deng(te:η)字意蕴丰富,用法灵活,可起到事件因果关系的连接作用,构成事件因果关系句。通过实验方法,收集到72个deng字句,其中45句是事件因果关系句。可见其在壮语deng字句中比较突显。认知语法中的意象、注意、背景和突显等理论可对此类句型进行解读。研究发现,壮语deng字句具以下特征:1) Deng字语义蕴含丰富,但"偶发性、遭受义"突显;2)因意象与注意都具有选择性,思维方式不同,语言结构各异而使壮语中deng字因果关系句的表征与英语有差异;3)使因事件前景化,结果事件背景化;4) Deng字在因果关系句中起到连接使因事件与结果事件的作用,Deng字前后的使因事件与结果事件关系最密切、最直接。

面向无触发词文本的因果关系事件对联合抽取模型

事件因果关系抽取(Event Causality Extraction,ECE)是从文本中抽取出表示因果事件对的事件类型、事件要素及事件间的关系。之前的工作都在含有触发词的文本上进行,并且事件抽取和关系识别也都依靠触发词等事件主体。然而,现实中有许多文本没有触发词,因此该文的抽取任务则是在无触发词标注的文本上进行。该任务的难点在于不仅要抽取多个独立事件,还要判断相互间的因果关系,并且存在事件主体缺失、多事件对及事件类型重叠的问题。该文提出一种分阶段的联合抽取模型,在第一阶段,利用层叠结构模型识别出文本中的事件类型与因果关系;在第二阶段,利用“双定位”和阅读理解机制获得嵌入事件类型信息的句子表示,并通过多层二元标志解码器预测各事件要素的首尾位置。为缓解误差传播问题,该文将两阶段模型通过共享编码层的方式联合训练。实验表明,该文提出的方法可以在完全无规则的情况下有效抽取出无触发词文本中的因果事件对。

基于图神经网络和句法结构的因果事件检测

事件因果关系识别(ECI)旨在识别非结构化文本中事件之间的因果关系。这是一项非常具有挑战性的任务,因为因果关系通常通过事件之间的隐性关联来表达。现有的方法通常是直接使用预训练语言模型对文本建模来捕获这种关联,而这种方法难以捕获文本中长间隔事件对的语义关系。随着文本中事件对间隔的增加,模型对于事件对的语义关系捕捉能力下降。通过对文本的语义结构建模来研究事件之间的隐式因果关联。利用基于图神经网络的事件聚合器集成事件对的结构信息,以及利用文本的句法结构信息对模型提取的事件对表征进行语义增强。在两个广泛使用的数据集上的实验结果表明,模型性能比基线方法有显著的提升。

模式与深度学习融合抽取因果事件三元组

因果事件三元组对人们理解事件之间的逻辑联系至关重要。针对从文本中抽取因果事件三元组面临的缺乏高质量的数据集和因果知识覆盖范围有限的问题,本文提出了一种结合模式和深度学习的方法,从Web语料库中抽取因果事件三元组。首先,设计了反映因果关系的词法句法模式,并在Web语料库中进行匹配。其次,通过逆向文本频率和因果事件边界词策略,过滤模式匹配结果中的噪音。随后,采用规则的方法对因果事件进行规范化处理,形成了一个高质量的因果事件三元组数据集。最后,在双向长短期记忆-条件随机场(BiLSTM-CRF)模型中将字、词、词性、因果模式特征词和因果事件边界词进行了有效融合,并引入了深度学习策略。经过在因果事件三元组数据集上的训练,本文模型在抽取大规模且涵盖广泛领域知识的Web语料库的因果事件三元组任务中表现出色。实验结果表明,模型抽取因果事件三元组的F1值高达92.44%,边界词识别精确率达到94.00%。该结果证明了模式与深度学习的高效结合、构建数据集的高质量,以及该文模型在实际应用中对抽取Web语料库的因果事件三元组具有显著价值。

基于Siamese-BERT-wwm模型的航空安全事故因果事件的同指消解

针对航空安全事故因果事件的抽取结果复杂难以快速确定事故发展过程的问题,提出一种将孪生神经网络(Siamese Network)与BERT-wwm模型相结合的因果事件同指消解方法。该方法在孪生神经网络中将事件句分别输入到相同权重的两个BERT-wwm模型,经平均池化得到句子级语义向量,再通过Softmax分类器进行同指判断并消解,在同指消解的基础上采用逆遍历去冗余,实现了航空安全事故因果链的构建。实验结果表明,该方法有效提高了航空安全事故因果关系的可解释性,为多事故的关联分析奠定了基础。

基于层叠条件随机场的事件因果关系抽取

传统的事件因果关系抽取方法只能覆盖文本中的部分显式因果关系.针对这种不足,提出一种基于层叠条件随机场模型的事件因果关系抽取方法.该方法将事件因果关系的抽取问题转化为对事件序列的标注问题,采用层叠(两层)条件随机场标注出事件之间的因果关系.第一层条件随机场模型用于标注事件在因果关系中的语义角色,标注结果传递给第二层条件随机场模型用于识别因果关系的边界.实验表明,本文方法不仅可以覆盖文本中的各类显式因果关系,并且均能取得较好的抽取效果,总体抽取效果的F1值达到85.3%.

因果事件分析在英语句子层面翻译中的应用

本文依据语言的“形式与功能匹配”原则，从语言事件分析视角来探讨因果事件分析及其在英语句子层面翻译操作中的应用，讨论英语复合句中的定语从句和状语从句以及简单句中的名词短语和动词短语中事件参与者的因果逻辑，指出无论是复合句还是简单句，事件概念之间通常都具有因果逻辑联系。

奥康纳行动者因果理论的困境

以奥康纳为代表的行动者因果关系理论是对自由意志进行辩护的现代三大理论进路之一。奥康纳试图通过建构一个有积极能力、有控制力的行动者,并与事件因果关系相区别,在批评中维护自己的理论体系。但分析这一理论,确实还存在许多难以解决的问题。

英语视觉动词:概念的转换和彰显

根据认知语言学的框架理论,视觉因果事件可以细分为多个阶段,这些次事件在英语中可以用LOOK、WATCH和SEE来分别彰显。根据不同次事件认知的需求,参与者和与动词有关的认知因子产生各种互动关系。因此,这三个动词有不同的视窗开启方式,并在突显性、详细度、视角方面有不同的表现。这些宏观和微观的认知描述可以很好地解释视觉动词的不同句法特征。

Causation mechanism of coal miners' human errors in the perspective of life events

In order to effectively decrease the safety accidents caused by coal miners’human errors,this paper probes into the causality between human errors and life events,coping,psychological stress,psychological function,physiological function based on life events’vital influence on human errors,establishing causation mechanism model of coal miners’human errors in the perspective of life events by the researching method of structural equation.The research findings show that life events have significantly positive influence on human errors,with a influential effect value of 0.7945 and a influential effect path of‘‘life events—psychological stress—psychological function—physiological function—human errors’’and‘‘life events—psychological stress—physiological function—human errors’’.

非意志性他动词句的因果事件结构认知研究

自他动词误用的类型众多,其中不乏源于教学引导方面的语用上的误用。本研究在因果事件结构认知理论的指导下,导入事件认知结构模型,试图引导学习者把握他动词句共通的因果事件关系和认知机制,明确意志性属于构式产生的语用义。在他动词句的教学指导过程中,应同时列举意志性他动词句例和非意志性他动词句例,形成意志性由弱到强的渐变构式体系,预防将意志性与他动词捆绑理解。

双层级事件模型展现的汉语及物动结构式

汉语及物动结句复杂多样,内含不同题元配置,题元间的语义关联也不同。构式语法可以将相关句子归入多个变式并区分窄义和广义构式。本研究将因果概念事件对窄义构式的投射分为两层:宏观层概念投射致事到主语,投射使事到宾语;微观层择要投射并彰显具体题元。被投射的题元借助语法转喻在构式中复合兼容。运用此双层级事件模型可以演示此构式的编码和解码过程。与英语不同,汉语有多个及物动结变式。这是汉语的功能主导特性使然。

意志自由论、运气与能动性

学界流行的两种主要的意志自由论理论都未能合理地解决运气问题。尽管罗伯特·凯恩的理论部分地克服了传统的事件因果理论的一些困难,但其对运气问题的合理解决要求或预设相容论的思想资源,从而使其在理论承诺上变得不一致。另一方面,行动者因果关系理论则以一种极端的方式强调了能动性,但未能对能动性给予任何充分合理的解释。凯恩在其理论中对所谓“多元控制”提出的说明是根本上不合理的,这种“控制”最好是按照行动者在开放世界中对理由的慎思和选择来解释,而这完全可以在一种广泛地设想的相容论的思想框架中来处理。以此为基础,将能够为如何恰当地理解人类能动性提供一些一般考虑,并阐明它们与自由意志问题的联系。

“否定性行动”何以可能

"否定性行动"的存在性在行动哲学中一直备受质疑。以克拉克为代表的否定派宣称它不可能是行动,而以摩塞尔为代表的肯定派则认可它的存在性。梳理和分析两派的观点与论证,可以发现争论的焦点在于"否定性行动"能否指称外在事件。通过反驳否定派的两种典型论证,对"否定性行动"的可能性问题作出如下结论:如果坚持行动的事件因果论进路,那么"否定性行动"只能退化为一种指称肯定性行动的否定性描述;若允许基于意图因果的心理行动,则"否定性行动"可以作为一种特殊的行动类型而存在。

说“自从”

“自从”多领起小句或动词性结构，在句中行使着一定的篇章功能。句子“自从A（小句状态），B”中A事件与B事件之间可能只表示时间的先后，但更多地体现出因果关联。宽式结构及相应的句式更利于凸显事件的前因后果。