घटना कारणता पहचान (ECI) प्राकृतिक भाषा प्रसंस्करण के क्षेत्र में एक महत्वपूर्ण कार्य है, जो पाठों में घटनाओं के जोड़े के बीच कारणात्मक संबंधों की पहचान पर केंद्रित है। यह कार्य वर्तमान में महत्वपूर्ण ध्यान आकर्षित कर रहा है, लेकिन कुछ उपलब्धियों और मौजूदा विधियाँ अभी तक प्रभावी नहीं हैं। दो मुद्दे हैं: (1) पिछले प्रयास मुख्य रूप से बाहरी ज्ञान प्रसंस्करण और घटना जोड़ों पर केंद्रित थे, घटनाओं के बीच कारणात्मक शब्द संकेतों के उपयोग की अनदेखी की। (2) जबकि ConceptNet व्यापक बाहरी ज्ञान को शामिल करता है, इसका सभी प्रभावी ढंग से मॉडल द्वारा उपयोग नहीं किया जाता है। हमारा पेपर एक नवीनतम ढांचा पेश करता है जो कांटेशन और ज्ञान मिलान को मिलाता है, जिसमें उपरोक्त समस्याओं को हल करने के लिए दो मुख्य मॉड्यूल हैं। विशेष रूप से, घटनाओं के बीच कारणात्मक शब्दों को निकालने के लिए, हम जोड़ों के बीच संबंध को पकड़ने के लिए कांटेशनल न्यूरल नेटवर्क (CNN) का उपयोग करते हैं। कारणात्मक अनुक्रम के लिए, हम CNN फ़िल्टर को प्रारंभ करने के लिए FrameNet से कारणात्मक संकेतक का चयन करते हैं। बाहरी ज्ञान को प्रस्तुत करते समय, हम कारणात्मक ज्ञान उत्पन्न करने के लिए COMET मॉडल का उपयोग करते हैं, और घटनाओं के बीच संबंध का न्याय करने के लिए एक कारणात्मक मिलान एल्गोरिदम डिज़ाइन करते हैं। दो व्यापक उपयोग किए जाने वाले डेटा सेट्स पर प्रयोगात्मक परिणाम दिखाते हैं कि हमारा तरीका पिछले तरीकों को पार करता है।
Wang et al. (शुक्र,) ने इस प्रश्न का अध्ययन किया।