論文の概要: A Survey of Event Causality Identification: Principles, Taxonomy, Challenges, and Assessment

• arxiv url: http://arxiv.org/abs/2411.10371v1
• Date: Fri, 15 Nov 2024 17:19:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-18 15:39:25.300628
• Title: A Survey of Event Causality Identification: Principles, Taxonomy, Challenges, and Assessment
• Title（参考訳）: 事象因果同定に関する調査:原則,分類,課題,評価
• Authors: Zefan Zeng, Qing Cheng, Xingchen Hu, Yuehang Si, Zhong Liu,
• Abstract要約: 事象因果同定(ECI)は自然言語処理(NLP)において重要な課題となっている。 本分類法は文レベル(SECI)と文書レベルの事象因果同定(DECI)の2つの主要なタスクに従ってECIの手法を分類する。
• 参考スコア（独自算出の注目度）: 6.492836595169771
• License:
• Abstract: Event Causality Identification (ECI) has become a crucial task in Natural Language Processing (NLP), aimed at automatically extracting causalities from textual data. In this survey, we systematically address the foundational principles, technical frameworks, and challenges of ECI, offering a comprehensive taxonomy to categorize and clarify current research methodologies, as well as a quantitative assessment of existing models. We first establish a conceptual framework for ECI, outlining key definitions, problem formulations, and evaluation standards. Our taxonomy classifies ECI methods according to the two primary tasks of sentence-level (SECI) and document-level (DECI) event causality identification. For SECI, we examine feature pattern-based matching, deep semantic encoding, causal knowledge pre-training and prompt-based fine-tuning, and external knowledge enhancement methods. For DECI, we highlight approaches focused on event graph reasoning and prompt-based techniques to address the complexity of cross-sentence causal inference. Additionally, we analyze the strengths, limitations, and open challenges of each approach. We further conduct an extensive quantitative evaluation of various ECI methods on two benchmark datasets. Finally, we explore future research directions, highlighting promising pathways to overcome current limitations and broaden ECI applications.
• Abstract（参考訳）: 事象因果同定(ECI)は,テキストデータから因果関係を自動的に抽出することを目的とした自然言語処理(NLP)において重要な課題となっている。 本研究では,ECIの基本原則,技術枠組み,課題を体系的に解決し,現在の研究方法論を分類・明確化するための包括的分類法と既存モデルの定量的評価を提供する。 まず、重要な定義、問題定式化、評価基準を概説し、ECIの概念的枠組みを確立する。 本分類法は文レベル(SECI)と文書レベルの事象因果同定(DECI)の2つの主要なタスクに従ってECIの手法を分類する。 SECIでは,特徴パターンに基づくマッチング,深いセマンティックエンコーディング,因果知識事前学習,プロンプトベース微調整,外部知識強化手法について検討する。 DECIでは、イベントグラフの推論と、クロスセンス因果推論の複雑さに対処するためのプロンプトベースの手法に焦点を当てたアプローチを強調した。 さらに、各アプローチの強み、制限、オープンな課題を分析します。 さらに,2つのベンチマークデータセット上で,様々なECI手法の定量的評価を行う。 最後に、今後の研究の方向性を探求し、現在の限界を克服し、ECIの応用を広げるための有望な経路を強調します。

関連論文リスト

• A Comprehensive Survey on Evidential Deep Learning and Its Applications [64.83473301188138]
  Evidential Deep Learning (EDL)は、単一のフォワードパスで最小限の追加計算で信頼性の高い不確実性推定を提供する。 まず、主観的論理理論であるEDLの理論的基礎を掘り下げ、他の不確実性推定フレームワークとの区別について議論する。 さまざまな機械学習パラダイムや下流タスクにまたがる広範な応用について詳しく述べる。
  論文  参考訳（メタデータ） (2024-09-07T05:55:06Z)
• On the Element-Wise Representation and Reasoning in Zero-Shot Image Recognition: A Systematic Survey [82.49623756124357]
  ゼロショット画像認識(ZSIR)は、目に見えない領域の認識と推論をモデルに与えることを目的としている。 本稿では,近年の素子ワイドZSIRの進歩について概説する。 まず、オブジェクト認識、合成認識、基礎モデルに基づくオープンワールド認識という3つの基本的なZSIRタスクを、統一された要素的視点に統合する。
  論文  参考訳（メタデータ） (2024-08-09T05:49:21Z)
• Coding for Intelligence from the Perspective of Category [66.14012258680992]
  符号化の対象はデータの圧縮と再構成、インテリジェンスである。 最近の傾向は、これらの2つの分野の潜在的均一性を示している。 本稿では,カテゴリ理論の観点から,インテリジェンスのためのコーディングの新たな問題を提案する。
  論文  参考訳（メタデータ） (2024-07-01T07:05:44Z)
• MR-Ben: A Meta-Reasoning Benchmark for Evaluating System-2 Thinking in LLMs [55.20845457594977]
  大規模言語モデル(LLM)は、問題解決と意思決定の能力の向上を示している。 本稿ではメタ推論技術を必要とするプロセスベースのベンチマークMR-Benを提案する。 メタ推論のパラダイムは,システム2のスロー思考に特に適しています。
  論文  参考訳（メタデータ） (2024-06-20T03:50:23Z)
• Key Design Choices in Source-Free Unsupervised Domain Adaptation: An In-depth Empirical Analysis [16.0130560365211]
  本研究では、画像分類におけるSF-UDA(Source-Free Unsupervised Domain Adaptation)のベンチマークフレームワークを提供する。 この研究は、さまざまなSF-UDAテクニックを実証的に検証し、データセット間の一貫性を評価する。 トレーニング済みのデータセットと戦略を徹底的に評価し、特に教師付きおよび自己監督型の手法に重点を置いている。
  論文  参考訳（メタデータ） (2024-02-25T13:37:36Z)
• A Logically Consistent Chain-of-Thought Approach for Stance Detection [4.895189262775054]
  ゼロショット姿勢検出(ZSSD)は、見えない標的に対する姿勢を検出することを目的としている。 本稿では,ZSSDのためのLC-CoT (Logically Consistent Chain-of-Thought) という新しいアプローチを提案する。 LC-CoTは、関連性および論理的に健全な知識抽出を保証することにより、姿勢検出を改善する。
  論文  参考訳（メタデータ） (2023-12-26T13:54:00Z)
• SSL Framework for Causal Inconsistency between Structures and Representations [23.035761299444953]
  深層学習と因果発見のクロスポリン化は、画像、ビデオ、テキストなどの統計的でないデータ形式における因果関係の解明を目指す、急成長する研究分野を触媒している。 我々は、不確定データに適した介入戦略を理論的に開発し、因果一貫性条件(CCC)を導出する。 CCCは様々な分野で重要な役割を果たす可能性がある。
  論文  参考訳（メタデータ） (2023-10-28T08:29:49Z)
• Few-shot Class-incremental Learning: A Survey [16.729567512584822]
  FSCIL(Few-shot Class-Incremental Learning)は機械学習(ML)においてユニークな課題を提示する 本稿は、FSCILの総合的かつ体系的なレビューを提供することを目的としている。
  論文  参考訳（メタデータ） (2023-08-13T13:01:21Z)
• A Study of Situational Reasoning for Traffic Understanding [63.45021731775964]
  トラフィック領域における状況推論のための3つの新しいテキストベースのタスクを考案する。 先行作業における言語推論タスクにまたがる一般化能力を示す知識強化手法を4つ採用する。 本稿では,データ分割におけるモデル性能の詳細な解析を行い,モデル予測を分類的に検討する。
  論文  参考訳（メタデータ） (2023-06-05T01:01:12Z)
• Review of coreference resolution in English and Persian [8.604145658574689]
  参照解決(CR)は、同じ現実世界の実体を参照する表現を識別する。 本稿では、コア参照とアナフォラ分解能にまたがるCRの最近の進歩について考察する。 ペルシャのCRの独特な課題を認識し、このアンダーリソース言語に焦点をあてる。
  論文  参考訳（メタデータ） (2022-11-08T18:14:09Z)
• Uncertainty Quantification for Deep Context-Aware Mobile Activity Recognition and Unknown Context Discovery [85.36948722680822]
  我々はα-βネットワークと呼ばれる深層モデルのコンテキスト認識混合を開発する。 高レベルの文脈を識別することで、精度とFスコアを10%向上させる。 トレーニングの安定性を確保するために、公開データセットと社内データセットの両方でクラスタリングベースの事前トレーニングを使用しました。
  論文  参考訳（メタデータ） (2020-03-03T19:35:34Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。