Motivated by the needs of generic m

Motivated by the needs of generic methods to acquire specific relations between events, we explore an automatic three-phased approach. We take the causal relation as example in this paper. We first use lexico-syntactic patterns to not only recognize causal relations from the web text, but also identify pairs of event expressions. Then, we extract the predicate-argument structure of each event expression based on its dependency parser tree in local scale. At the last step, we propose a statistical score S to measure the causal association between potential related events, and prune relations with low S value. The experimental results have shown that (a) the use of local dependency tree extensively improves both the accuracy and recall of event-arguments extraction task; (b) our measure which is an improvement of PMI has better performance.
There are two interesting directions in the future. First, identifying causality boundary automatically rather than just using separators in a pattern. Second, the three arguments referred in our work are not enough in some special cases. For example, the effects of events “he works carelessly” and “he works carefully” are commonly different. To distinguish from these causes, we will introduce new arguments as the solution.

ผลลัพธ์ (ไทย) 1:

แรงจูงใจจากความต้องการของเมธอดทั่วไปรับเฉพาะความสัมพันธ์ระหว่างเหตุการณ์ เราสำรวจอัตโนมัติค่อย ๆ สามวิธี เรามีความสัมพันธ์เชิงสาเหตุที่เป็นตัวอย่างในเอกสารนี้ เราก่อนใช้รูปแบบทางไวยากรณ์ lexico เพื่อไม่เพียงแต่รับรู้ความสัมพันธ์เชิงสาเหตุจากข้อความที่เว็บ แต่ยัง ระบุคู่ของนิพจน์เหตุการณ์ จากนั้น เราสามารถแยกโครงสร้างเพรดิเคตอาร์กิวเมนต์ของนิพจน์แต่ละเหตุการณ์ตามแผนภูมิของตัวแยกวิเคราะห์อ้างอิงในระดับท้องถิ่น ในขั้นตอนสุดท้าย เราเสนอคะแนนสถิติ S เพื่อวัดความสัมพันธ์เชิงสาเหตุระหว่างเหตุการณ์ที่เกี่ยวข้องเป็นไปได้ และลิดสัมพันธ์กับค่า S ต่ำ มีแสดงผลการทดลองที่ (ได้) ใช้ต้นไม้ท้องถิ่นอ้างอิงอย่างกว้างขวางเพิ่มความถูกต้องและการเรียกคืนของอาร์กิวเมนต์เหตุการณ์สกัดงาน (ข) ของวัดซึ่งมีการปรับปรุงของ PMI มีประสิทธิภาพดีขึ้น มีอยู่สองเส้นทางที่น่าสนใจในอนาคต แรก ระบุ causality ขอบโดยอัตโนมัติ แทนที่ใช้ตัวคั่นในรูปแบบ สอง อาร์กิวเมนต์สามที่อ้างอิงในการทำงานของเราไม่เพียงพอในบางกรณี ตัวอย่าง ลักษณะพิเศษของกิจกรรม "เขาทำงานลวกๆ" และ "เขาทำงานอย่างระมัดระวัง" โดยทั่วไปแตกต่างกัน เพื่อแยกจากสาเหตุเหล่านี้ เราจะแนะนำอาร์กิวเมนต์ใหม่เป็นการแก้ปัญหา

ผลลัพธ์ (ไทย) 2:

แรงบันดาลใจจากความต้องการของวิธีการทั่วไปที่จะได้รับความสัมพันธ์ระหว่างเหตุการณ์ที่เฉพาะเจาะจงเราจะสำรวจวิธีการที่สามจะค่อย ๆ โดยอัตโนมัติ เราจะใช้ความสัมพันธ์เชิงสาเหตุเป็นตัวอย่างในบทความนี้ ก่อนอื่นเราใช้รูปแบบ Lexico-ประโยคที่ไม่เพียง แต่รับรู้ความสัมพันธ์เชิงสาเหตุจากข้อความบนเว็บ แต่ยังระบุคู่ของการแสดงออกเหตุการณ์ จากนั้นเราแยกโครงสร้างกริยาอาร์กิวเมนต์การแสดงออกของแต่ละเหตุการณ์ที่อยู่บนพื้นฐานของการพึ่งพาตัวแยกวิเคราะห์ของต้นไม้ในระดับท้องถิ่น ในขั้นตอนสุดท้ายที่เราเสนอคะแนนสถิติ S เพื่อวัดการเชื่อมโยงสาเหตุระหว่างที่เกี่ยวข้องกับเหตุการณ์ที่อาจเกิดขึ้นและความสัมพันธ์กับลูกพรุนมีมูลค่า S ต่ำ ผลการทดลองแสดงให้เห็นว่า (ก) การใช้ต้นไม้พึ่งพาท้องถิ่นอย่างกว้างขวางทั้งช่วยเพิ่มความถูกต้องและความจำของเหตุการณ์ข้อโต้แย้งงานสกัด; (ข) การวัดของเราซึ่งเป็นปรับปรุง PMI มีประสิทธิภาพที่ดีขึ้น.
มีสองทิศทางที่น่าสนใจในอนาคต ครั้งแรกที่ระบุขอบเขตอำนาจโดยอัตโนมัติมากกว่าเพียงแค่ใช้แยกในรูปแบบ ประการที่สองสามข้อโต้แย้งที่เรียกว่าในการทำงานของเรามีไม่เพียงพอในบางกรณีพิเศษ ตัวอย่างเช่นผลกระทบจากเหตุการณ์ที่เกิดขึ้น "เขาทำงานลวก" และ "เขาทำงานอย่างระมัดระวัง" เป็นปกติที่แตกต่างกัน เพื่อให้เห็นความแตกต่างจากสาเหตุเหล่านี้เราจะมาแนะนำการขัดแย้งใหม่เป็นวิธีแก้ปัญหา

ผลลัพธ์ (ไทย) 3:

แรงจูงใจจากความต้องการของวิธีการทั่วไปที่จะได้รับความสัมพันธ์ที่เฉพาะเจาะจงระหว่างเหตุการณ์ เราสำรวจโดยอัตโนมัติสามอย่าง ) เราใช้ความสัมพันธ์เชิงเหตุเป็นตัวอย่างในบทความนี้ เราใช้รูปแบบประโยค lexico ที่จะไม่เพียง แต่ตระหนักถึงความสัมพันธ์จากเว็บข้อความ แต่ยังระบุ คู่ของการแสดงกิจกรรม จากนั้นเราแยกประโยคโครงสร้างของแต่ละเหตุการณ์ โต้แย้ง การแสดงออกตามความพึ่งพาสำหรับต้นไม้ในระดับท้องถิ่น ในขั้นตอนสุดท้าย เราขอคะแนนทางสถิติของการวัดความสัมพันธ์เชิงสาเหตุระหว่างเกิดเหตุการณ์ที่เกี่ยวข้องและสัมพันธ์กับลูกพรุนต่ำด้วยค่าผลการทดลองแสดงให้เห็นว่า ( ก ) การใช้ต้นไม้ท้องถิ่นอย่างกว้างขวาง ทั้งการเพิ่มความถูกต้องและการระลึกเหตุการณ์ขัดแย้งการสกัดงาน ; ( b ) วัดของเราซึ่งคือการปรับปรุงของ PMI ได้ประสิทธิภาพที่ดีขึ้น
มี 2 น่าสนใจเส้นทางในอนาคต แรกที่ระบุโดยอัตโนมัติขอบเขตความสัมพันธ์มากกว่าแค่ใช้คั่นในรูปแบบ ประการที่สองสามเหตุผลที่อ้างในงานของเรายังไม่เพียงพอ ในบางกรณีพิเศษ . ตัวอย่างเช่น ผลกระทบของเหตุการณ์ " ทำงานร่วมกัน " และ " ทำงานอย่างรอบคอบจะแตกต่างกันโดยทั่วไป เพื่อแยกจากสาเหตุเหล่านี้ เราจะแนะนำข้อคิดใหม่เป็นโซลูชั่น