基于情境对比学习的事件因果识别
信息检索
2024-09-30 v2 机器学习
摘要
事件因果识别（Event Causality Identification, ECI）旨在确定两个事件之间是否存在因果关系。尽管最近的基于提示学习的方法在ECI任务上取得了显著的改进，但其性能往往受到复杂提示设计和主要任务与衍生任务之间正相关性的影响。情境学习范式为提示学习范式中的标签预测提供了明确的指导，减轻了对复杂提示和衍生任务的依赖。然而，它并未区分正负示例以进行类比学习。基于上述考虑，本文提出了一种情境对比学习（In-Context Contrastive Learning, ICCL）模型，利用对比学习来增强正负示例的有效性。此外，我们将对比学习应用于事件对，以更好地促进事件因果识别。我们的ICCL在广泛使用的语料库上进行了评估，包括EventStoryLine和Causal-TimeBank，结果表明相较于现有算法在各项指标上均实现了显著提升。
引用
@article{arxiv.2405.10512,
title = {In-context Contrastive Learning for Event Causality Identification},
author = {Chao Liang and Wei Xiang and Bang Wang},
journal= {arXiv preprint arXiv:2405.10512},
year = {2024}
}