关于推文中的事件因果性检测
信息检索
2019-01-14 v1 计算与语言
摘要
如今，Twitter 已成为关于事件的用户生成信息的巨大来源。人们常在推文中报告事件间的因果关系。自动检测这些事件中的因果信息可能在预测性事件分析中起重要作用。现有方法包括基于规则与数据驱动的监督方法。然而，由于诸如推文等社交媒体短文本高度非结构化且语法不正确，仅用语言规则正确识别事件因果性具有挑战性。此外，由于上下文信息不足，难以开发用于推文中事件因果性检测的数据驱动监督方法。本文提出一种基于背景知识的新型事件上下文词扩展技术。为证明我们所提事件上下文词扩展技术的有效性，我们开发了一种基于前馈神经网络的方法来检测推文中的事件因果性。大量实验证明了我们方法的优越性。
引用
@article{arxiv.1901.03526,
title = {On Event Causality Detection in Tweets},
author = {Humayun Kayesh and Md. Saiful Islam and Junhu Wang},
journal= {arXiv preprint arXiv:1901.03526},
year = {2019}
}