用于缓解跨文档事件共指消解中偏差的论元中心因果干预方法
计算与语言
2025-06-03 v1 信息检索
摘要
跨文档事件共指消解（Cross-Document Event Coreference Resolution, CD-ECR）是自然语言处理（NLP）中的一项基础任务，旨在确定跨多个文档的事件提及是否指代现实世界中的同一发生事件。然而，当前的 CD-ECR 方法主要依赖输入提及对中的触发词特征，这导致了表层词汇特征与共指关系之间的伪相关，损害了模型的整体性能。为了解决这个问题，我们提出了一种基于论元中心因果干预（Argument-Centric Causal Intervention, ACCI）的跨文档事件共指消解新方法。具体而言，我们构建了一个结构因果图，以揭示词汇触发词与共指标签之间的混淆依赖关系，并引入后门调整干预来隔离论元语义的真实因果效应。为了进一步缓解伪相关，ACCI 集成了一个反事实推理模块（量化触发词扰动的因果影响）和一个论元感知增强模块（促进对语义基础信息的更高敏感性）。与依赖昂贵数据增强或基于启发式过滤的现有方法不同，ACCI 能够在不改变底层训练过程的情况下，在统一的端到端框架中实现有效去偏。大量实验表明，ACCI 在 ECB+ 上达到了 88.4% 的 CoNLL F1，在 GVC 上达到了 85.2%，实现了最先进的性能。实现和材料可在 https://github.com/era211/ACCI 获取。
引用
@article{arxiv.2506.01488,
title = {Argument-Centric Causal Intervention Method for Mitigating Bias in Cross-Document Event Coreference Resolution},
author = {Long Yao and Wenzhong Yang and Yabo Yin and Fuyuan Wei and Hongzhen Lv and Jiaren Peng and Liejun Wang and Xiaoming Tao},
journal= {arXiv preprint arXiv:2506.01488},
year = {2025}
}