Daily Arxiv

世界中で発行される人工知能関連の論文をまとめるページです。
このページはGoogle Geminiを活用して要約し、非営利で運営しています。
論文の著作権は著者および関連機関にあり、共有する際は出典を明記してください。

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

Created by
  • Haebom

作者

Qing Cheng, Zefan Zeng, Xingchen Hu, Yuehang Si, Zhong Liu

概要

本論文では、自然言語処理(NLP)でテキスト内のイベント間の因果関係を自動的に検出するための重要な課題であるイベント因果関係の識別(ECI)の包括的な調査について説明します。コア概念を定義し、ECI問題を定式化し、標準評価プロトコルを提示します。 ECIモデルを、文レベルのイベント因果関係識別(SECI)と文書レベルのイベント因果関係識別(DECI)の2つの主要タスクに分類する分類フレームワークを開発します。 SECIについては、特徴パターンベースのマッチング、機械学習分類器、ディープセマンティックエンコーディング、プロンプトベースの微調整、および因果知識事前トレーニングとデータ拡張戦略を使用するモデルを検討します。 DECIについては、ディープセマンティックエンコーディング、インシデントグラフ推論、およびプロンプトベースの微調整を活用するアプローチに焦点を当てています。多言語およびクロス言語ECIの最近の進歩と、大規模言語モデル(LLM)を活用したゼロショットECIに特に注目しています。各アプローチに関連する強み、限界、および未解決の課題を分析し、4つのベンチマークデータセットの広範な定量的評価を実行して、さまざまなECIモデルのパフォーマンスを厳密に評価します。最後に、将来の研究方向を議論し、この分野をさらに発展させる機会を強調します。

Takeaways、Limitations

Takeaways:
ECIモデルをSECIとDECIに体系的に分類し、研究状況を総合的に把握できるようにする。
さまざまなECIモデル(特徴パターンベースのマッチング、機械学習、ディープセマンティックエンコーディング、プロンプトベースの微調整、因果知識事前トレーニングなど)の包括的なレビューを提供します。
多言語およびクロス言語ECI、ゼロショットECIを含む最新の研究動向を反映しています。
4つのベンチマークデータセットを用いた厳格な実験的評価結果の提示
今後の研究方向の提示によるECI分野の発展に貢献
Limitations:
本論文で扱うECIモデルの種類は完全に包括的ではないかもしれません。
新しいECIモデルとデータセットが絶えず登場するため、論文発表後の最新の研究動向を反映する上で限界がある可能性がある。
すべてのECIモデルに対する均一な評価基準の適用の難しさ
特定の言語またはドメインにバイアスされたデータセットの使用による一般化のパフォーマンスの低下の可能性。
👍