IJCAIAug, 2021

基于 Transformer 的 NLP 提取定性因果结构

PDF
TL;DR本文介绍了一种基于 Transformer 的 NLP 结构，可以联合识别和提取 (1) 语言描述的变量或因素，(2) 这些变量之间的定性因果关系，(3) 限制这些因果关系的修饰语和数量词，从而在学术出版物、新闻文章和社交媒体等多个用例中展示了这种方法并获得了有前途的结果。
qualitative causal relationshipstransformer-based nlp architecturevariablesqualifierssocial media
发现论文，激发创造
  • 基于 Transformer 的方法：从非结构化文本到因果知识图谱

    本文介绍了基于 transformer 的 NLP 架构，该架构可以联合提取包括语言描述、定性因果关系、约束限定词、词义在内的知识图谱，以及说明其在真实世界中的准确性和实用性。

    Feb, 2022

  • 基于 Transformer 的 NLI 模型中的自然逻辑特征因果效应估计

    利用因果效应估计策略衡量上下文干预和插入词对于推理标签的影响，通过广泛的干预研究验证模型对不相关变化的稳健性和对有影响变化的敏感性。

    Apr, 2024

  • 因果深度学习：因果胶囊和张量转换器

    使用因子分析导出一组因果深度神经网络，包括神经元组成的因果胶囊和张量变换器，适用于前向和反向因果问题，以及可能的异步并行计算。

    Jan, 2023

  • 针对细粒度因果推理和问答的探索

    本文介绍了一种新的精细化因果推理数据集，并在自然语言处理中提出了一系列新的预测任务，例如因果检测、事件因果提取和因果问答。作者通过大量实验和分析表明，数据集中的复杂关系对最先进的方法带来了独特的挑战，并强调了潜在的研究机会，特别是在发展 "因果思维" 方法方面。

    Apr, 2022

  • 使用变形金刚对心理健康帖子进行因果分类

    本研究使用 transformer 模型对 CAMS 数据集进行预训练的迁移学习，改善了现有分类器的效率，准确性取得了提升，证明了在社交媒体上对于心理健康分析中的因果关系的识别是必要的。

    Jan, 2023

  • 提取事件之间的时间和因果关系

    本文提出一个集成时间和因果关系提取的框架，在该框架中，通过利用因果关系中事件先行的假设，将两个提取组件整合成一个系统，使用词嵌入和训练数据扩展等方法来改善关系提取系统，并介绍了将时间信息处理应用于其他语言的适应性尝试。

    Apr, 2016

  • 一种基于生成验证的回答定性关系问答方法

    本文通过使用 generate-validate 框架，即生成逻辑形式的自然语言描述，并验证该自然语言描述是否符合输入文本，展示了更好的迁移学习范围，相较于现有基于语义分析器的方法，本方法取得了 7.93% 的更高性能。

    Aug, 2019

  • 神经 NLI 模型中自然逻辑特征的因果效应估计

    本文探讨了如何评估语义特征对语言模型预测的因果效应以及如何利用因果分析方法构建比较模型来评估 NLI 任务，强调因为可解释性和模型评估的需要，对于具有足够结构化和规律性的推理模式进行系统分析是非常有价值的

    May, 2023

  • 从自然语言文本中自动提取因果关系：综述

    本文综述了早期人类构造的语言和句法规则以及最新机器学习技术在提取因果关系上的应用，并分析了它们的优劣，建议未来的研究方向。

    May, 2016

  • Causal BERT: 文本中事件因果检测的语言模型

    本篇论文探讨了使用句子语境与事件信息以及利用掩码事件语境和领域内外数据分布来识别自然语言文本中事件之间的因果关系，并证明该方法在三个不同的数据集上均取得了最新技术的表现，可用于从非结构化文本中提取因果关系图或建立事件链。

    Dec, 2020