Bài báo này trình bày một khảo sát toàn diện về nhận dạng nhân quả sự kiện (ECI), một nhiệm vụ thiết yếu trong xử lý ngôn ngữ tự nhiên (NLP), tự động phát hiện mối quan hệ nhân quả giữa các sự kiện trong văn bản. Chúng tôi định nghĩa các khái niệm chính, chính thức hóa bài toán ECI và trình bày một giao thức đánh giá chuẩn. Chúng tôi phát triển một khung phân loại, phân loại các mô hình ECI thành hai nhiệm vụ chính: nhận dạng nhân quả sự kiện ở cấp độ câu (SECI) và nhận dạng nhân quả sự kiện ở cấp độ tài liệu (DECI). Đối với SECI, chúng tôi xem xét các mô hình sử dụng khớp mẫu đặc trưng, bộ phân loại học máy, mã hóa ngữ nghĩa sâu, tinh chỉnh dựa trên lời nhắc, và các chiến lược tiền huấn luyện tri thức nhân quả và tăng cường dữ liệu. Đối với DECI, chúng tôi tập trung vào các phương pháp tận dụng mã hóa ngữ nghĩa sâu, suy luận đồ thị sự kiện và tinh chỉnh dựa trên lời nhắc. Chúng tôi đặc biệt chú ý đến những tiến bộ gần đây trong ECI đa ngôn ngữ và xuyên ngôn ngữ, cũng như ECI zero-shot sử dụng các mô hình ngôn ngữ quy mô lớn (LLM). Chúng tôi phân tích các điểm mạnh, hạn chế và thách thức liên quan đến từng phương pháp, đồng thời thực hiện các đánh giá định lượng chuyên sâu trên bốn tập dữ liệu chuẩn để đánh giá hiệu suất của các mô hình ECI khác nhau một cách nghiêm ngặt. Cuối cùng, chúng tôi thảo luận về các hướng nghiên cứu trong tương lai và nêu bật các cơ hội để thúc đẩy lĩnh vực này hơn nữa.
