For our experiments, we manually se

For our experiments, we manually selected 7 frequent causal conjunctions and 3 causal verbs listed in Table 2. These cues compose 16 pairs of markers in regular collocation, which are instantiated in extraction patterns. And we use 7 as the empirical value of the event window N.
Because the Google Search Engine returns at most 1000 items of users’ retrieval results, we employ a concrete verb in causal event expression to get more focused relations. That is, a wildcard between Cause_Marker and Effect_Marker is instantiated by a verb, and the patterns are used to identify its effect events. For this issue, we built a lexicon of over 10,000 common verbs with transitive labels, obtaining 8,387 transitive verbs and 4,732 intransitive. We send the pattern instances, as query items, to the Google Search Engine and download relevant texts returned from the Web.
As a preliminary filter, we use End_Marker to delete the useless suffix from these extracted causal expressions. And sentences in which the length of effect event is more than 7 are discarded. The final corpus consists of 1,960,000 sentences. We call it the Causal Corpus in the following experiments.

ผลลัพธ์ (ไทย) 1:

สำหรับการทดลองของเรา เราเองเลือก 7 บ่อยสาเหตุสันธาน และกริยา 3 สาเหตุที่แสดงไว้ในตารางที่ 2 สัญลักษณ์เหล่านี้เขียนเครื่องหมายในปกติ collocation ที่สร้างอินสแตนซ์ในรูปแบบแยกคู่ 16 เราใช้ 7 เป็นค่ารวมของหน้าต่างเหตุการณ์ N. เนื่องจาก Google ค้นหาส่งกลับผลลัพธ์ผู้เรียกมากที่สุด 1000 รายการ เราใช้กริยาคอนกรีตในนิพจน์เชิงสาเหตุเหตุการณ์จะยิ่งเน้นความสัมพันธ์ นั่นคือ ตัวแทนระหว่าง Cause_Marker และ Effect_Marker จะสร้างอินสแตนซ์ ด้วยกริยา และรูปแบบที่ใช้ในการระบุเหตุการณ์มีผล สำหรับปัญหานี้ เราสร้างพจนานุกรมของคำกริยาทั่วไปกว่า 10000 มีป้ายสกรรมกริยา รับ 8,387 สกรรมกริยาและอกรรม 4,732 เราส่งกรณีรูป สอบถามสินค้า เครื่องมือค้นหา Google และดาวน์โหลดข้อความที่เกี่ยวข้องส่งคืนมาจากเว็บ เป็นตัวกรองเบื้องต้น เราใช้ End_Marker เพื่อลบท้ายประโยชน์จากนิพจน์เชิงสาเหตุเหล่านี้แยก และประโยคซึ่งความยาวของเหตุการณ์ผลกระทบมีมากกว่า 7 จะถูกละทิ้ง คอร์พัสคริสุดท้ายประกอบด้วยประโยค 1,960,000 เราเรียกว่าคอร์พัสคริสาเหตุในการทดลองต่อไปนี้

ผลลัพธ์ (ไทย) 2:

สำหรับการทดลองของเราเราเลือกด้วยตนเอง 7 สันธานสาเหตุบ่อยและคำกริยา 3 สาเหตุที่ระบุไว้ในตารางที่ 2 ความหมายเหล่านี้แต่ง 16 คู่ของตัวบ่งชี้ในการจัดระเบียบปกติซึ่งจะ instantiated ในรูปแบบการสกัด และเราจะใช้ 7 เป็นค่าเชิงประจักษ์ของหน้าต่างเหตุการณ์ N.
เพราะ Google Search Engine ผลตอบแทนที่มากที่สุด 1000 รายการของผลการดึงผู้ใช้เราใช้คำกริยาที่เป็นรูปธรรมในการแสดงออกของเหตุการณ์สาเหตุที่จะได้รับความสัมพันธ์ที่มุ่งเน้นมากขึ้น นั่นคือตัวแทนระหว่าง Cause_Marker และ Effect_Marker ถูกสร้างโดยคำกริยาและรูปแบบที่ใช้ในการระบุเหตุการณ์ที่เกิดขึ้นส่งผลกระทบต่อ สำหรับปัญหานี้เราสร้างศัพท์กว่า 10,000 คำกริยาทั่วไปที่มีป้ายสกรรมกริยาได้รับ 8,387 คำกริยาและ 4,732 กรรม เราจะส่งกรณีรูปแบบเป็นรายการแบบสอบถามไปยังเครื่องมือค้นหาของ Google และดาวน์โหลดตำราที่เกี่ยวข้องกลับมาจากเว็บ.
ในฐานะที่เป็นตัวกรองเบื้องต้นเราใช้ End_Marker ลบต่อท้ายที่ไร้ประโยชน์จากการแสดงออกเชิงสาเหตุเหล่านี้สกัด และประโยคที่มีความยาวของเหตุการณ์ผลกระทบที่เป็นมากกว่า 7 จะถูกยกเลิก คลังสุดท้ายประกอบด้วย 1,960,000 ประโยค เราเรียกมันว่าคอร์ปัสสาเหตุในการทดลองต่อไปนี้

ผลลัพธ์ (ไทย) 3:

สำหรับการทดลองของเรา เราเองเลือก 7 คำเชื่อมสาเหตุบ่อยและ 3 คำกริยาเชิงสาเหตุแสดงในตารางที่ 2 ตัวชี้นำเหล่านี้ประกอบด้วย 16 คู่ของเครื่องหมายในการจัดวางตามปกติ ซึ่ง instantiated ในรูปแบบการสกัด และเราก็ใช้ 7 เป็นค่าเชิงประจักษ์ของหน้าต่างงาน N .
เพราะเครื่องมือค้นหา Google ผลตอบแทนมากที่สุด 1000 รายการผลการสืบค้นของผู้ใช้เราใช้กริยาท่าทางในคอนกรีตสาเหตุเหตุการณ์ได้เน้นความสัมพันธ์ คือ , ตัวแทนและระหว่าง cause_marker effect_marker เป็น instantiated โดยกริยา และรูปแบบการใช้เพื่อระบุเหตุผลของมัน สำหรับปัญหานี้เราสร้างพจนานุกรมกว่า 10 , 000 คำกริยาทั่วไป ด้วยการป้าย ได้รับ 8387 สกรรมกริยาคำกริยาและ 4732 อกรรมกริยา .เราส่งแบบกรณี รายการแบบสอบถามเพื่อเครื่องมือค้นหา Google และดาวน์โหลดข้อความที่เกี่ยวข้องคืนจากเว็บ
เป็นกรองเบื้องต้นเราใช้ end_marker ลบวิภัตติไร้ประโยชน์เหล่านี้สกัดจากการแสดงออกเชิงสาเหตุ และประโยคที่ความยาวของผลการแข่งขันมากกว่า 7 จะถูกละทิ้ง คลังข้อมูลสุดท้ายประกอบด้วย 1960000 ประโยคเราเรียกว่า คอร์ปัส สาเหตุ ในการทดลองต่อไปนี้