HeadlineCause：用于因果检测的新闻标题数据集
计算与语言
2021-09-29 v2 机器学习
摘要
检测文本中的隐式因果关系是一项既需要常识又需要世界知识的任务。现有数据集要么聚焦于常识因果推理，要么聚焦于显式因果关系。在本文中，我们提出 HeadlineCause，一个用于检测新闻标题对之间隐式因果关系的数据集。该数据集包含通过众包标注的超过 5000 对英文新闻标题和超过 9000 对俄文新闻标题。这些标题对的范围从完全不相关或属于同一一般话题，到包含因果与反驳关系。我们还提供了一组模型和实验以证明该数据集的有效性，包括一个基于多语言 XLM-RoBERTa 的因果检测模型和一个基于 GPT-2 的可能效应预测模型。
引用
@article{arxiv.2108.12626,
title = {HeadlineCause: A Dataset of News Headlines for Detecting Causalities},
author = {Ilya Gusev and Alexey Tikhonov},
journal= {arXiv preprint arXiv:2108.12626},
year = {2021}
}