基于中心事件和句子感知的事件因果识别模型

摘要

在金融领域的事件关系识别任务中，篇章级事件因果关系的识别是一项具有挑战性的任务。而事件因果关系关联于中心事件及其所在的句子，一方面，多个事件中的中心事件会影响事件间的因果关系，另一方面，事件所在的句子也会具有强化事件因果关系的作用，为此，本文提出了基于中心事件和句子感知的事件因果识别模型。该模型使用中心感知的高阶事件推理网络（Centrality-aware High-order Event Reasoning Network,CHEER），建立了中心事件的表示，并基于图注意力网络构建了事件关系图，建立了事件及其事件对的表示，以自适应模拟事件间的因果传递，从而识别中心事件及其因果相关事件。通过引入情感中心嵌入和关联词中心嵌入，句子的情感和结构对事件因果关系的表达得以增强，从而提高了金融文本中因果关系识别的准确性。本文在标注了中心事件的公开数据集EventStoryLine与自建数据集上进行实验，结果显示在EventStoryLine数据集上模型的句间准确率提高了1.1%，在自建数据集中整体提高1.8%，验证了中心事件对事件因果关系识别的准确性有较好提升。

关键词

事件因果关系 / 事件关系图 / 篇章级文本 / 金融领域 / 图注意力网络