A Survey of Event Causality Identification: Principles, Taxonomy, Challenges, and Assessment

要約

イベント因果関係特定 (ECI) は、テキスト データから因果関係を自動的に抽出することを目的とした、自然言語処理 (NLP) における重要なタスクとなっています。
この調査では、ECI の基本原理、技術的枠組み、課題に体系的に取り組み、現在の研究方法を分類および明確にするための包括的な分類法と、既存のモデルの定量的評価を提供します。
まず、ECI の概念的な枠組みを確立し、主要な定義、問題の定式化、および評価基準の概要を示します。
私たちの分類法では、文レベル (SECI) と文書レベル (DECI) のイベント因果関係の特定という 2 つの主要なタスクに従って ECI メソッドが分類されます。
SECI については、特徴パターンベースのマッチング、ディープセマンティックエンコーディング、因果関係知識の事前トレーニングとプロンプトベースの微調整、および外部知識強化方法を検討します。
DECI では、文を越えた因果推論の複雑さに対処するための、イベント グラフ推論とプロンプトベースの手法に焦点を当てたアプローチを強調します。
さらに、各アプローチの長所、限界、未解決の課題を分析します。
さらに、2 つのベンチマーク データセットに対してさまざまな ECI 手法の広範な定量的評価を実行します。
最後に、現在の限界を克服し、ECI アプリケーションを拡大するための有望な道筋を強調しながら、将来の研究の方向性を探ります。

要約(オリジナル)

Event Causality Identification (ECI) has become a crucial task in Natural Language Processing (NLP), aimed at automatically extracting causalities from textual data. In this survey, we systematically address the foundational principles, technical frameworks, and challenges of ECI, offering a comprehensive taxonomy to categorize and clarify current research methodologies, as well as a quantitative assessment of existing models. We first establish a conceptual framework for ECI, outlining key definitions, problem formulations, and evaluation standards. Our taxonomy classifies ECI methods according to the two primary tasks of sentence-level (SECI) and document-level (DECI) event causality identification. For SECI, we examine feature pattern-based matching, deep semantic encoding, causal knowledge pre-training and prompt-based fine-tuning, and external knowledge enhancement methods. For DECI, we highlight approaches focused on event graph reasoning and prompt-based techniques to address the complexity of cross-sentence causal inference. Additionally, we analyze the strengths, limitations, and open challenges of each approach. We further conduct an extensive quantitative evaluation of various ECI methods on two benchmark datasets. Finally, we explore future research directions, highlighting promising pathways to overcome current limitations and broaden ECI applications.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google