Bài báo này trình bày một khảo sát toàn diện về nhận dạng nhân quả sự kiện (ECI), tự động phát hiện mối quan hệ nhân quả giữa các sự kiện trong văn bản trong lĩnh vực xử lý ngôn ngữ tự nhiên (NLP). Chúng tôi đề xuất một lược đồ phân loại mới để phân loại và làm rõ một cách có hệ thống các phương pháp hiện có, đồng thời giải thích các nguyên tắc cơ bản và khuôn khổ kỹ thuật của ECI. Chúng tôi phân loại các phương pháp ECI dựa trên 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), đồng thời thảo luận về tiến trình của các phương pháp luận khác nhau (ví dụ: so khớp dựa trên mẫu đặc trưng, phân loại dựa trên học máy, mã hóa ngữ nghĩa sâu, tinh chỉnh dựa trên lời nhắc, học từ điển kiến thức nhân quả, v.v.) và các chiến lược tăng cường dữ liệu cho từng nhiệm vụ, bao gồm ECI đa ngôn ngữ và xuyên ngôn ngữ, và ECI zero-shot sử dụng các mô hình ngôn ngữ quy mô lớn (LLM). Chúng tôi cũng phân tích điểm mạnh và hạn chế của từng phương pháp, tiến hành đánh giá định lượng sâu rộng trên bốn tập dữ liệu chuẩn và đề xuất các hướng nghiên cứu trong tương lai.
