基于外部因果语句自监督表示学习的事件因果关系识别改进
计算与语言
2021-06-04 v1
摘要
当前事件因果关系识别（ECI）模型主要采用有监督框架，严重依赖标注数据进行训练。遗憾的是，现有标注数据集规模相对有限，无法为模型从因果语句中捕捉有用指示词提供充分支持，尤其在处理那些新的、未见过的案例时。为缓解该问题，我们提出一种新方法，简称 CauSeRL，其利用外部因果语句进行事件因果关系识别。首先，我们设计了一个自监督框架，从外部因果语句中学习上下文特定的因果模式。然后，我们采用对比迁移策略将学到的上下文特定因果模式整合进目标 ECI 模型。实验结果表明，我们的方法在 EventStoryLine 和 Causal-TimeBank 上显著优于先前方法（F1 值分别提升 2.0 和 3.4 个百分点）。
引用
@article{arxiv.2106.01654,
title = {Improving Event Causality Identification via Self-Supervised Representation Learning on External Causal Statement},
author = {Xinyu Zuo and Pengfei Cao and Yubo Chen and Kang Liu and Jun Zhao and Weihua Peng and Yuguang Chen},
journal= {arXiv preprint arXiv:2106.01654},
year = {2021}
}
备注
Accepted to Findings of ACL 2021