본 논문은 자연어 처리(NLP) 분야에서 텍스트 내 사건 간의 인과 관계를 자동으로 감지하는 사건 인과 관계 식별(ECI)에 대한 종합적인 조사 연구이다. 기존 방법들을 체계적으로 분류하고 명확히 하기 위한 새로운 분류 체계를 제안하며, ECI의 기본 원칙과 기술적 프레임워크를 설명한다. 문장 수준 사건 인과 관계 식별(SECI)과 문서 수준 사건 인과 관계 식별(DECI)이라는 두 가지 주요 작업을 기반으로 ECI 방법들을 분류하고, 각 작업에 대한 다양한 방법론(특징 패턴 기반 매칭, 기계 학습 기반 분류, 심층 의미 인코딩, 프롬프트 기반 미세 조정, 인과 지식 사전 학습 등)과 데이터 증강 전략, 다국어 및 교차 언어 ECI, 대규모 언어 모델(LLM)을 활용한 제로샷 ECI 등의 발전 상황을 논의한다. 또한 각 방법의 강점과 한계, 미해결 과제를 분석하고, 네 개의 벤치마크 데이터셋에 대한 광범위한 정량적 평가를 수행하며, 미래 연구 방향을 제시한다.
