From a linguistic aspect, causality

From a linguistic aspect, causality in natural language is expressed either implicitly or explicitly. The difference is that implicit causal relation is expressed without obvious cue phrases. In order to identify causal relations from the web by the search engine, we use explicit connective markers as linguistic cues.
In Kim’s work (Kim, 2007), the syntactic tags of the cue phrase are: (1) Causal verb, e.g. allow, cause, lead to, or contribute to; (2) Prepositional, e.g. due to, or as a consequence; (3) Subordinate, e.g. because or as; (4) Adverbial, e.g. subsequently or consequently; and (5) Noun, e.g. the cause of or the effect of. There is a similar causal expression classification performed on Chinese text. The following examples show Chinese causal relations categorized according to part of speech of the cue phrases. a) Conjunction
― -, (
Because the player get hurt, (so) the organization postponed this play.
481
b) Causal Verb
― .)
The earthquake caused tidal waves.
c) Casual Noun
― &"*+
The cause of the boat accident is overloading.
According to the previous research experience, we focus on the most frequent and less ambiguous cue phrase conjunction, and incorporate specific causal verbs to improve the recall of the acquired knowledge. Note that a pair of causal conjunctions may co-occur in a Chinese sentence, such as the example in (a), while it is not allowed in English. In order to concentrate on our goal, we use the patterns to indicate the boundary of cause event and effect event, as well as to indicate the causal semantic relations.
Our lexico-syntactic patterns contain a pair of connective markers being correlated with each other and an end mark indicating the boundary of the causal expression, which are uniformly expressed as follows.
C_CON_Marker [*] E_CON_Marker [*]
In this pattern, C_CON_Marker is a causal conjunction, while E_CON_Marker is the corresponding conjunction or a causal verb. Event expressions connected by these two markers are generally short phrases or clauses. End_Marker indicates a punctuation or an empty word such as interjection, auxiliary word, etc. While “*”is a wildcard, “[*]” matches from one to N arbitrary words. N is used as a window of event expressions, and it is assigned an empirical value indicating the maximum number of words in a regular event mention. The parts of a sentence which match with these two slots are extracted as a cause event and its effect event.
When we perform the extraction process, this pattern is automatically instantiated with given word lists to generate query terms. Issuing these query terms, we take advantage of the search engine (such as Google) to retrieve potential causal relations from the Web. And subsequently, we extract pairs of event expressions from corresponding snippets matching with the event-slots

ผลลัพธ์ (ไทย) 1:

จากด้านภาษาศาสตร์ causality ในภาษาจะแสดงนัย หรืออย่างชัดเจน ข้อแตกต่างคือ ที่แสดงนัยความสัมพันธ์เชิงสาเหตุ โดยวลีสัญลักษณ์ชัดเจน เพื่อระบุความสัมพันธ์เชิงสาเหตุจากเว็บ ด้วยเครื่องมือค้นหา เราใช้เครื่องหมายเชื่อมต่อชัดเจนเป็นสัญลักษณ์ภาษาศาสตร์ ในการทำงานของคิม (คิม 2007), แท็กทางไวยากรณ์ของวลีสัญลักษณ์เป็น: กริยาสาเหตุ (1) เช่นอนุญาตให้ ทำให้ ทำ หรือการ (2) prepositional เช่นครบกำหนดไป หรือ เป็น สัจจะ (3) ย่อย เช่นเนื่องจาก หรือ เป็น (4) adverbial เช่นในเวลาต่อมา หรือดัง นั้น และ (5) นาม เช่นสาเหตุของหรือผลของ มีคล้ายนิพจน์เชิงสาเหตุประเภทกระทำกับข้อความภาษาจีน ตัวอย่างต่อไปนี้แสดงความสัมพันธ์เชิงสาเหตุที่จีนแบ่งตามส่วนของประโยควลีสัญลักษณ์ ) ร่วม ― -, (เนื่องจากผู้เล่นได้รับบาดเจ็บ, (ให้) องค์กรเลื่อนเล่นนี้ 481ข) กริยาสาเหตุ ― .) แผ่นดินไหวเกิดคลื่นดาล c) นามสบาย ๆ ข้อและ " * +สาเหตุของอุบัติเหตุเรือมีมากเกินไป ตามประสบการณ์วิจัยก่อนหน้านี้ เราให้บ่อยที่สุด และน้อย กว่าสัญลักษณ์ชัดเจนวลีร่วม และรวมเฉพาะคำกริยาเชิงสาเหตุเพื่อปรับปรุงการเรียกคืนความรู้ได้รับ หมายเหตุว่า คู่ของสันธานสาเหตุอาจเกิดขึ้นร่วมในประโยคภาษาจีน ตัวอย่างเช่น (ก), ในขณะที่ไม่ได้รับการอนุญาตในภาษาอังกฤษ เพื่อเน้นเป้าหมายของเรา เราใช้รูปแบบ เพื่อบ่งชี้ขอบเขตของสาเหตุเหตุการณ์และผลเหตุการณ์ ตลอดจนระบุความสัมพันธ์ความหมายสาเหตุ รูปแบบทางไวยากรณ์ lexico ของเราประกอบด้วยคู่ผ่าเครื่องหมายถูก correlated กับแต่ละอื่น ๆ และเครื่องหมายสิ้นสุดการแสดงขอบเขตของนิพจน์เชิงสาเหตุ ที่จะสม่ำเสมอเมื่อเทียบเคียงแสดงดังนี้ C_CON_Marker [*] E_CON_Marker [*] ในรูปแบบนี้ C_CON_Marker เป็นสาเหตุร่วม ในขณะที่ E_CON_Marker เป็นร่วมเกี่ยวข้องหรือกริยาสาเหตุ เชื่อมต่อ โดยเครื่องหมายเหล่านี้สองนิพจน์เหตุการณ์มีประโยคหรือวลีสั้น ๆ โดยทั่วไป End_Marker บ่งชี้ว่า เป็นเครื่องหมายวรรคตอนหรือคำว่าง interjection คำเสริม ฯลฯ ขณะที่ " * " เป็นตัวแทน "[*]" ตรงกับ 1 N คำที่กำหนด ใช้ N เป็นหน้าต่างของนิพจน์เหตุการณ์ และมีกำหนดค่ารวมที่บ่งชี้ว่า จำนวนของคำในการเอ่ยถึงเหตุการณ์ปกติ ส่วนของประโยคที่ตรงกับช่องที่สองเหล่านี้จะแยกเป็นเหตุการณ์สาเหตุและเหตุการณ์มีผล เมื่อเราทำการแยก รูปแบบนี้จะโดยอัตโนมัติสด้วยที่ให้รายการคำเพื่อสร้างคำถาม เราออกคำถามเหล่านี้ ใช้ประโยชน์จากเครื่องมือค้นหา (เช่น Google) เพื่อดึงความสัมพันธ์เชิงสาเหตุอาจเกิดจากเว็บ และในเวลาต่อมา แยกคู่ของนิพจน์เหตุการณ์จากโค้ดที่สอดคล้องตรงกันกับช่องเหตุการณ์

ผลลัพธ์ (ไทย) 2:

จากด้านภาษาศาสตร์เวรกรรมในภาษาธรรมชาติจะแสดงอย่างใดอย่างหนึ่งหรือโดยปริยายอย่างชัดเจน ความแตกต่างก็คือความสัมพันธ์เชิงสาเหตุนัยจะแสดงโดยไม่ต้องวลีคิวที่เห็นได้ชัด . เพื่อที่จะระบุความสัมพันธ์เชิงสาเหตุจากเว็บโดยเครื่องมือค้นหาที่เราใช้เครื่องหมายเกี่ยวพันอย่างชัดเจนเป็นตัวชี้นำทางภาษา
ในการทำงานของคิม (คิม 2007) แท็กประโยควลีคิวคือ (1) คำกริยาเชิงสาเหตุเช่นอนุญาต สาเหตุที่นำไปสู่หรือนำไปสู่การ; (2) บุพบทเช่นเนื่องจากการหรือเป็นผลมา; (3) ผู้ใต้บังคับบัญชาเช่นหรือเป็นเพราะ; (4) คำวิเศษณ์เช่นต่อมาหรือดังนั้น; และ (5) คำนามเช่นสาเหตุของหรือผลกระทบจากการ มีการจัดหมวดหมู่การแสดงออกเชิงสาเหตุที่คล้ายกันคือดำเนินการเกี่ยวกับข้อความภาษาจีน ตัวอย่างต่อไปนี้แสดงให้เห็นความสัมพันธ์เชิงสาเหตุจีนแบ่งตามส่วนหนึ่งของคำพูดของวลีคิว ) ร่วม
- - (
เพราะผู้เล่นที่ได้รับบาดเจ็บ (เพื่อ) องค์กรเลื่อนออกไปเล่นนี้.
481
ข) คำกริยาเชิงสาเหตุ
-).
แผ่นดินไหวที่เกิดคลื่นยักษ์.
ค) คำนามลำลอง
- & "* +
สาเหตุของเรือ อุบัติเหตุคือการบรรทุกเกินพิกัด.
ตามประสบการณ์การวิจัยก่อนหน้านี้เรามุ่งเน้นไปที่คิวบ่อยมากที่สุดและคลุมเครือน้อยร่วมวลีและคำกริยารวมสาเหตุที่เฉพาะเจาะจงในการปรับปรุงการเรียกคืนของความรู้ที่ได้มา. ทราบว่าคู่ของสันธานสาเหตุอาจจะเกิดขึ้นร่วมใน ประโยคภาษาจีนเช่นตัวอย่างเช่นใน (ก) ในขณะที่มันไม่ได้รับอนุญาตในอังกฤษ. เพื่อที่จะมีสมาธิอยู่กับเป้าหมายของเราเราจะใช้รูปแบบเพื่อระบุขอบเขตของเหตุการณ์เหตุและเหตุการณ์ผลกระทบเช่นเดียวกับที่จะแสดงให้เห็น ความสัมพันธ์เชิงสาเหตุความหมาย.
รูปแบบ Lexico-ประโยคของเรามีคู่ของเครื่องหมายถูกเกี่ยวพันมีความสัมพันธ์กับแต่ละอื่น ๆ และทำเครื่องหมายจุดสิ้นสุดที่ระบุขอบเขตของการแสดงออกเชิงสาเหตุซึ่งจะแสดงเหมือนกันดังต่อไปนี้.
C_CON_Marker [*] E_CON_Marker [*]
ในรูปแบบนี้ C_CON_Marker เป็นสาเหตุร่วมขณะที่ E_CON_Marker เป็นร่วมที่สอดคล้องกันหรือกริยาสาเหตุ การแสดงออกที่จัดกิจกรรมการเชื่อมต่อโดยทั้งสองมักจะมีเครื่องหมายวลีสั้น ๆ หรือคำสั่ง End_Marker บ่งชี้เครื่องหมายวรรคตอนหรือคำที่ว่างเปล่าเช่นคำอุทานคำเสริม ฯลฯ ในขณะที่ "*" เป็นตัวแทน "[*]" ตรงจากคนหนึ่งไปยังไม่มีคำพล ยังไม่มีข้อความที่ใช้เป็นหน้าต่างของการแสดงออกเหตุการณ์และจะมีการกำหนดค่าการทดลองแสดงให้เห็นจำนวนมากที่สุดของคำในการกล่าวถึงเหตุการณ์ปกติ ชิ้นส่วนของประโยคที่ตรงกับทั้งสองช่องจะถูกแยกเป็นเหตุการณ์ที่ก่อให้เกิดเหตุการณ์และผลของมัน.
เมื่อเราดำเนินการขั้นตอนการสกัดรูปแบบนี้ถูกสร้างโดยอัตโนมัติด้วยรายการคำที่กำหนดในการสร้างเงื่อนไขแบบสอบถาม เงื่อนไขการออกแบบสอบถามเหล่านี้เราจะใช้ประโยชน์จากเครื่องมือค้นหา (เช่น Google) เพื่อดึงความสัมพันธ์เชิงสาเหตุที่มีศักยภาพจากเว็บ และต่อมาเราดึงคู่ของการแสดงออกเหตุการณ์จากตัวอย่างที่สอดคล้องตรงกันกับช่องเหตุการณ์

ผลลัพธ์ (ไทย) 3:

จากด้านภาษา ( ภาษาธรรมชาติแสดงออกอย่างใดอย่างหนึ่งหรือโดยปริยายให้ชัดเจน ความแตกต่างก็คือ ระบบความสัมพันธ์เชิงสาเหตุแสดงโดยไม่ต้องชัดเจนด้วยวลี เพื่อระบุความสัมพันธ์จากเว็บได้โดยการค้นหา เราใช้เครื่องหมายชัดเจนเชื่อมต่อเป็นคิวภาษาศาสตร์
คิมทำงาน ( คิม , 2007 ) , แท็กไวยากรณ์ของคิวข้อความมีดังนี้( 1 ) สาเหตุที่คำกริยา เช่น อนุญาตให้ ตะกั่ว หรือมีส่วนร่วม ( 2 ) บุพบท เช่น เกิดจากหรือเป็นผล ; ( 3 ) ผู้ใต้บังคับบัญชา เช่น เพราะ หรือ ( 4 ) หรือคำวิเศษณ์ เช่น ภายหลังจากนั้น และ ( 5 ) คำนาม เช่น สาเหตุ หรือ ผลของ มีสาเหตุคล้ายกันการแสดงออกหมวดหมู่แสดงบนข้อความภาษาจีนตัวอย่างต่อไปนี้แสดงความสัมพันธ์เชิงสาเหตุจีนแบ่งตามส่วนแห่งคำพูดของคิววลี )
-
ผมอยากร่วม ( เพราะผู้เล่นได้รับบาดเจ็บ , ( ดังนั้น ) องค์กรเลื่อนออกไปเล่นนี้

b ) สาเหตุคือกริยา

ผมอยาก ) ทำให้คลื่นแผ่นดินไหวคลื่น
c ) สบายๆ ผมอยาก&นาม
"
สาเหตุของอุบัติเหตุเรือจะเกินพิกัด
ตามประสบการณ์งานวิจัยที่ผ่านมาเรามุ่งเน้นที่พบบ่อยที่สุดและคลุมเครือน้อยคิววลีคำสันธาน , และรวมเฉพาะสาเหตุกริยาเพื่อปรับปรุงการเรียกคืนได้รับความรู้ โปรดทราบว่าคู่ของเหตุผลคำสันธานอาจ Co เกิดขึ้นในประโยคภาษาจีน เช่นตัวอย่างใน ( ) , ในขณะที่มันไม่ได้ในภาษาอังกฤษ เพื่อมุ่งเน้นเป้าหมายของเราเราใช้รูปแบบเพื่อระบุขอบเขตของเหตุการณ์ เหตุ และ ผลการแข่งขัน รวมทั้งเพื่อบ่งชี้ถึงสาเหตุทางด้านประชาสัมพันธ์
รูปแบบประโยค lexico ของเราประกอบด้วยคู่ของเครื่องหมายเกี่ยวการความสัมพันธ์กับแต่ละอื่น ๆและสิ้นสุดเครื่องหมายแสดงขอบเขตของการแสดงออก สาเหตุที่ขึ้นแสดงดังนี้
c_con_marker [ * ] e_con_marker [ * ] >
< end_markerในรูปแบบนี้ คือ การ c_con_marker สาเหตุ ในขณะที่ e_con_marker เป็นคำสันธานที่สอดคล้องกันหรือกริยาเชิงสาเหตุ เหตุการณ์ที่เชื่อมต่อการแสดงออกโดยทั้งสองเครื่องหมายโดยทั่วไปวลีสั้นๆหรือประโยค end_marker บ่งชี้ว่า เครื่องหมายวรรคตอน หรือคําว่าง เช่น คำอุทาน , เสริมคำ ฯลฯ ในขณะที่ " * " แทน " [ * ] " ไม้ขีดจาก n พลคำ- ใช้เป็นหน้าต่าง สีหน้าของเหตุการณ์ และเป็นการกำหนดเชิงประจักษ์ค่าแสดงจำนวนสูงสุดของคำ กล่าวถึงเหตุการณ์ปกติ ส่วนของประโยคซึ่งตรงกับทั้งสองสล็อตจะถูกแยกเป็นเหตุการณ์ที่เป็นสาเหตุและผลกระทบของเหตุการณ์
เมื่อเราดำเนินการขั้นตอนการสกัดรูปแบบนี้โดยอัตโนมัติ instantiated เพื่อสร้างเงื่อนไขให้กับรายการคําถาม .ขอสอบถามเงื่อนไขเหล่านี้ เราใช้ประโยชน์จากเครื่องมือค้นหา ( เช่น Google ) เพื่อดึงศักยภาพของความสัมพันธ์เชิงสาเหตุจากเว็บ และต่อมาเราแยกคู่ของการแสดงออกที่ตรงกับเหตุการณ์จากตัวอย่างเหตุการณ์สล็อต