事件因果关系抽取研究OACSTPCD
Research of Event Causality Extraction
事件因果关系抽取是信息抽取任务的重要组成之一,也是当前自然语言处理的研究热点和难点问题.事件因果关系抽取研究文本中事件之间的潜在关系,有利于深度剖析事件发展的原因和趋势,在多个领域得到了广泛的应用.根据事件因果关系抽取方法的不同,可以分为基于模板匹配、基于机器学习和基于深度学习三大类.论文对事件因果关系抽取任务进行了简单的介绍,回顾了事件因果关系抽取的发展历程.然后,介绍事件因果关系抽取的三大类方法和相关预训练语言模型,并总结展望了未来的发展趋势.
Event causality extraction is one of the important components of information extraction tasks,and it is also a hot and difficult issue in current natural language processing research.Event causality extraction studies the potential relationship be-tween events in the text,which is conducive to in-depth analysis of the causes and trends of the development of events,and has been widely used in many fields.According to the different methods of event causality e…查看全部>>
陈洁;张琨;朱浩华;陈智源;方自正
南京理工大学计算机科学与工程学院 南京 210094南京理工大学计算机科学与工程学院 南京 210094南京理工大学计算机科学与工程学院 南京 210094南京理工大学计算机科学与工程学院 南京 210094南京理工大学计算机科学与工程学院 南京 210094
计算机与自动化
自然语言处理因果关系抽取机器学习深度学习神经网络
natural language processingcausal relationship extractionmachine learningdeep learningneural network
《计算机与数字工程》 2024 (10)
3026-3030,3058,6
江苏省高等教育教改研究课题"新时代荣誉学院拔尖创新人才培养的探索与实践研究"(编号:2021JSJG247)江苏省研究生科研与实践创新计划项目(编号:SJCX19_0053)资助.
评论