開放文本中蘊(yùn)含著大量的邏輯性知識(shí)，以刻畫事物之間邏輯傳導(dǎo)關(guān)系的邏輯類知識(shí)庫是推動(dòng)知識(shí)推理發(fā)展的重要基礎(chǔ)。

因果抽取是一個(gè)十分有趣的話題，研發(fā)大規(guī)模邏輯推理知識(shí)庫有助于支持實(shí)體或事件等傳導(dǎo)驅(qū)動(dòng)決策任務(wù)，而目前尚未有開源的因果事件對(duì)出現(xiàn)，為了彌補(bǔ)這一空缺，本文對(duì)外開源一個(gè)面向多領(lǐng)域的十萬級(jí)因果事件對(duì)數(shù)據(jù)集，可以自行轉(zhuǎn)成因果關(guān)系圖譜，展開更多有趣實(shí)驗(yàn)，供大家一起參考。

地址：https://github.com/liuhuanyong/CausalDataset

一、因果抽取常用方法

我們?cè)凇?strong>事件圖譜技術(shù)：因果關(guān)系事件對(duì)抽取常用方法的解析與動(dòng)手實(shí)踐》中講述了因果抽取的方法，從傳統(tǒng)模式規(guī)則、語義分析、依存句法、序列標(biāo)注四種方式進(jìn)行實(shí)踐，并配上實(shí)現(xiàn)項(xiàng)目進(jìn)行講解，這涵蓋了當(dāng)前因果事件抽取的常用方式。

地址： https://github.com/liuhuanyong/CausalityEventExtraction

1、基于模式匹配的因果事件對(duì)提取

基于模式匹配的方式，是進(jìn)行因果抽取的入門級(jí)以及兜底方式，充分利用好語言學(xué)知識(shí)，具有顯式標(biāo)記的因果關(guān)聯(lián)詞、因果表達(dá)句式進(jìn)行歸納，并配以正則表達(dá)式實(shí)現(xiàn)，可以有效地提取出大量的因果事件對(duì)。

2、基于語義角色的因果事件抽取

基于觸發(fā)詞模式匹配的方法無法捕捉因果事件之間的關(guān)聯(lián)關(guān)系，因此可以借助依存句法分析以及語義角色標(biāo)注的方式進(jìn)行處理。

以因果關(guān)系觸發(fā)詞為核心動(dòng)作，首先從語義角色方面找尋該觸發(fā)詞動(dòng)作的實(shí)施對(duì)象和受事對(duì)象，將實(shí)施對(duì)象作為原因事件，將受事對(duì)象作為結(jié)果事件，并根據(jù)詞性過濾事件；

3、基于依存句法的因果事件抽取

由于自然語言處理的復(fù)雜性，LTP中未能對(duì)一些子句中的因果關(guān)系觸發(fā)詞進(jìn)行語義角色標(biāo)注，或者只標(biāo)注了一部分，即A0和A1未同時(shí)被標(biāo)注出來，因此利用依存句法分析來抽取此類情況下的因果事件對(duì)。

4、基于序列標(biāo)注的因果抽取

針對(duì)基于規(guī)則的因果抽取模型中的不足，可以使用基于Bert微調(diào)的序列標(biāo)注模型。在序列標(biāo)簽的設(shè)計(jì)上，模型的序列標(biāo)簽采用BIO標(biāo)簽體系，標(biāo)簽類型主要為cause、triger、effect。

為了能方便地根據(jù)標(biāo)簽結(jié)果進(jìn)行因果三元組組合，在設(shè)計(jì)標(biāo)簽體系時(shí)也對(duì)單因果、多因果進(jìn)行了區(qū)分，分別設(shè)置為multi-cause、multi-effect。

二、基于多領(lǐng)域文本數(shù)據(jù)集的因果事件對(duì)

為了得到多領(lǐng)域因果事件對(duì)，我們以清華大學(xué)開源的文本分類數(shù)據(jù)集THUnews，THUCNews是根據(jù)新浪新聞RSS訂閱頻道2005~2011年間的歷史數(shù)據(jù)篩選過濾生成，包含74萬篇新聞文檔（2.19 GB），均為UTF-8純文本格式。

其在原始新浪新聞分類體系的基礎(chǔ)上，重新整合劃分出14個(gè)候選分類類別：財(cái)經(jīng)、彩票、房產(chǎn)、股票、家居、教育、科技、社會(huì)、時(shí)尚、時(shí)政、體育、星座、游戲、娛樂。滿足了多領(lǐng)域性的需求。

數(shù)據(jù)地址：http://thuctc./#中文文本分類數(shù)據(jù)集THUCNews

訓(xùn)練因果抽取識(shí)別模型，最終去重得到了100,688條因果關(guān)系對(duì)，通過對(duì)頻次進(jìn)行統(tǒng)計(jì)，可以過濾出質(zhì)量較高的因果對(duì)，下面顯示了格式為原因事件@結(jié)構(gòu)事件\t出現(xiàn)頻次格式下的數(shù)據(jù)樣例。

1、關(guān)于“地震”相關(guān)的因果事件對(duì)

日本東北部海域發(fā)生里氏大地震@重大人員傷亡和財(cái)產(chǎn)損失 6
日本東北部海域發(fā)生里氏地震@重大人員傷亡和財(cái)產(chǎn)損失 5
印尼西爪哇省附近印度洋海域發(fā)生里氏地震@人死亡人受傷 4
智利中南部城市康塞普西翁附近發(fā)生里氏強(qiáng)烈地震@重大人員傷亡 3
智利發(fā)生里氏地震@重大人員傷亡和財(cái)產(chǎn)損失 3
東部凡省發(fā)生強(qiáng)烈地震@死亡人數(shù) 3
上周五地震中受損核反應(yīng)堆發(fā)生爆炸@核工業(yè)相關(guān)公司股票 3
日本大地震@金融市場(chǎng)動(dòng) 3
最近地震和海嘯災(zāi)害中復(fù)蘇@日元匯率下跌 3
日本東北部大地震@全球關(guān)注 2
汶川地震期間捐款數(shù)目@高度關(guān)注 2

2、與“貶值”相關(guān)的因果事件對(duì)

3、與“戀愛”相關(guān)的因果事件對(duì)

戀愛觀婚姻觀@觀眾極大興趣 2
戀愛問題@學(xué)生意外傷害事 2
人相知相惜@戀愛溫度始終保持合適系數(shù) 1
持人大爆錢包@戀愛故事 1
來美麗密令戀愛線人電影@陸毅閃耀大銀幕上 1
李成儒和小演員侯角戀愛往事@媒體關(guān)注 1
歌曲轉(zhuǎn)換過渡上顯得流暢@聽起來實(shí)在如男女戀愛中不倫戀 1
抓緊時(shí)間南京談戀愛@臺(tái)上臺(tái)下哄笑 1
公司安排工作@沒時(shí)間戀愛 1
強(qiáng)打精神去面對(duì)@戀愛沒有興趣 1

總結(jié)

本文以清華大學(xué)開源的文本分類數(shù)據(jù)集THUnews，對(duì)外開源了一個(gè)面向多領(lǐng)域的十萬級(jí)因果事件對(duì)數(shù)據(jù)集，并介紹了常用技術(shù)方法。

當(dāng)然，數(shù)據(jù)的質(zhì)量也有不足之處，規(guī)模不大，可以加以改善。