【ACL2021】基于隐含结构推理网络的事件因果关系识别

基于隐含结构推理网络的事件因果关系识别

Knowledge-Enriched Event Causality Identification via Latent Structure Induction Networks

传统的事件关系抽取方法仅利用文本语义推断事件关系，忽略了背景知识。很多情况下仅仅利用文本语义很难判断出事件之间的关系。如何在复杂的真实应用场景中，同时利用文本和知识联合推断事件关系，是迫切亟待需要解决的问题。

知识图谱中除了包含事件的描述性知识，还包含事件之间的关联知识，这类知识对预测事件因果关系非常有帮助。本文采用基于隐含结构归纳网络和事件关联知识的事件因果关系抽取。首先，从知识图谱中获得事件之间的关联知识，在知识图谱中，事件之间的关联知识一般由一条多跳路径组成，由于路径上有很多与因果无关的知识，并且由于知识图谱的不完备性，很多有用的知识没有标注出来，因此直接使用多跳路径进行因果推理并不是最优的。为了降低因果无关知识的影响以及捕获潜在的有用的知识，我们提出一个隐含结构归纳网络，能够基于事件之间的关联知识自动地学出一个最优的推理结构。基于归纳出的推理结构，我们执行因果关系推理，从而预测出事件的因果关系。