天天插天天操天天干,无码欧美XXXXX,A片小视频,翔田千里精品一节毛片,国产精品人妻无码久久久苍井空,国产精品自产拍在线观看,性一交一乱一交视频,韩国毛片免费看

來源：專知

本文約1000字，建議閱讀5分鐘
因果關(guān)系抽取是自然語言處理（NLP）中的一種關(guān)系抽取任務(wù)，它通過構(gòu)造事件圖來挖掘文本中具有因果關(guān)系的事件對，已經(jīng)在金融、安全、生物等領(lǐng)域的應(yīng)用中發(fā)揮重要作用。

因果關(guān)系抽取是自然語言處理（NLP）中的一種關(guān)系抽取任務(wù)，它通過構(gòu)造事件圖來挖掘文本中具有因果關(guān)系的事件對，已經(jīng)在金融、安全、生物等領(lǐng)域的應(yīng)用中發(fā)揮重要作用。首先，介紹了事件抽取和因果關(guān)系等概念，并介紹了因果關(guān)系抽取主流方法的演變和常用數(shù)據(jù)集；然后，列舉了當(dāng)前主流的因果關(guān)系抽取模型，并且在分別對基于流水線的模型和聯(lián)合抽取模型進行詳細分析的基礎(chǔ)上，對比了各種方法和模型的優(yōu)缺點；此外，對各模型的實驗性能及相關(guān)實驗數(shù)據(jù)進行了歸納分析；最后，給出了當(dāng)前的因果關(guān)系抽取的研究難點和未來的重點研究方向。

鏈接：

http://www.joca.cn/CN/abstract/abstract24491.shtml

人們的社會活動以事件為驅(qū)動，事件是社會活動的載體。在自然語言處理中，事件作為一種信息表示形式顯得十分重要，受到越來越多的重視。事件中包含了大量的內(nèi)部組成結(jié) 構(gòu)（如參與者、時間、地點等）和外部關(guān)聯(lián)（如因果、共指、時序等語義關(guān)系）。對包含大量事件的文本進行因果關(guān)系的抽取可以實現(xiàn)對文本的更加深層次的理解。在航空安全［1］、醫(yī)學(xué)［2］等眾多領(lǐng)域中，因果關(guān)系抽取也發(fā)揮著重要的作用。圖靈獎獲得者 Bengio 表示將因果關(guān)系集成到人工智能（Artificial Intelligence，AI）中是一件大事，了解因果關(guān)系可以使得現(xiàn)有的人工智能更加智能高效。Pearl等［3］講到如果沒有因果推理的能力，人工智能將從根本上受到限制。

因果關(guān)系一般可以組織為事理圖譜。事理圖譜是表示事件之間的順承、因果關(guān)系的有向圖［4］。圖中每個節(jié)點表示事件，而邊用來表示事件之間的因果關(guān)系。事理圖譜找出了事件的演化邏輯，從而形成大型的常識事理知識庫用來直接刻畫人類行為活動。很多的學(xué)者在因果關(guān)系抽取上得到了理想的結(jié)果［5-7］。

深度學(xué)習(xí)是機器學(xué)習(xí)領(lǐng)域如今最熱門的研究方向之一，它能夠模仿人類大腦的活動，使得模式識別很難解決的問題得到了合理的解決，使得自然語言處理（Natural Language Processing，NLP）相關(guān)技術(shù)取得了很大進步。近年來基于深度神經(jīng)網(wǎng)絡(luò)的因果關(guān)系抽取方法比較多，主要分為兩大類：一類是基于流水線方式；另一類是基于聯(lián)合抽取的方式。前者將抽取任務(wù)看作是實體識別和關(guān)系分類兩個子任務(wù)，后者則是利用聯(lián)合模型將因果關(guān)系三元組直接抽取出來。兩者各有利弊，但是目前還缺乏對整個領(lǐng)域開展深入的梳理和總結(jié)。本文對現(xiàn)有的基于深度學(xué)習(xí)的因果關(guān)系抽取方法進行了總結(jié)：首先，分別對因果關(guān)系抽取的基本概念和方法演變進行了簡要介紹，并對常用數(shù)據(jù)集進行了介紹；接著，對現(xiàn)有的基于深度學(xué)習(xí)的兩種主要框架分別進行了詳細介紹；最后，提出了未來的研究方向。

編輯：文婧

基于深度學(xué)習(xí)的事件因果關(guān)系抽取綜述