[发明专利]因果关系识别装置及存储介质

说明书

提供一种无论线索词存在与否，能够以高精度识别因果关系表达的因果关系识别装置。因果关系识别装置(30)包括：候补矢量生成部(50)，接受因果关系候补(32)，并生成表示构成该候补的单词序列的候补矢量；上下文矢量生成部(52)，生成表示上下文的上下文矢量，在所述上下文中，出现因果关系候补的原因部的名词词组和结果部的名词词组；二进制模式矢量生成部(54)、回答矢量生成部(56)以及与背景知识有关的关联段落矢量生成部(58)，生成表示背景知识的单词矢量，所述背景知识用于判断原因部中包括的名词词组和结果部中包括的名词词组之间有无因果关系；以及多列卷积神经网络(60)，预先学习完毕，使得接受这些单词矢量，并判断因果关系候补是否为因果关系。

技术领域

本发明涉及用于从自然语言句子中存在的表达中提取因果关系的装置，尤其涉及用于识别并提取在用自然语言记载的句子中没有明确的线索词表达的因果关系的技术。

背景技术

在位于Web等的某个文本中编写的事件之间的因果关系的自动识别是一种为了自动生成未来场景以进行适当的决策的重要的技术。但是，由于因果关系的描述涉及许多方面，因此难以进行高精度的识别。例如，“发生地震，海啸来了”这句话被认为是清楚地表达了由“发生地震”这一原因和“海啸来了”这一结果构成的因果关系。但是，在这句话中，没有表示因果关系的连接词“由于(ため)”“因为(から)”等明确的线索词。在以往技术中，因为基于与因果关系有关的线索词来识别因果关系，所以难以识别没有线索词的因果关系。从这样的句子中高精度地提取因果关系在收集与更广泛的因果关系有关的知识、文档理解、为什么型问答、未来场景的生成等中也很重要。

作为该领域的以往技术，有不仅使用线索词而且使用一些语言表达的模式来对表示因果关系的原因和结果的短语对进行识别的技术，或者基于将语言表达而不是将模式作为线索的机械学习的原因、结果的短语对的自动识别技术等。

在先技术文献

非专利文献

非专利文献1：Chikara Hashimoto，Kentaro Torisawa，Julien Kloetzer，MotokiSano，Istvan Varga，Jong-Hoon Oh，and Yutaka Kidawara.2014.Toward futurescenario generation：Extracting event causality exploiting semantic relation，context，and association features.In Proceedings of ACL，pages 987-997.

非专利文献2：Jong-Hoon Oh，Kentaro Torisawa，Chikara Hashimoto，MotokiSano，Stijn De Saeger，and Kiyonori Ohtake.2013.Why-question answering usingintra-and inter-sentential causal relations.In Proceedings of ACL，pages1733-1743.

发明内容

发明要解决的课题

但是，与因果关系识别有关的以往的方法仍然具有精度低且应用范围也被限定这样的问题。这是因为，因果关系以各种各样的形式表达，且在许多情况下，有时在没有表示因果关系的线索词的情况下表达，而且可能表达因果关系的模式也非常多。

例如，对以下两个句子进行考虑。

1.由于地球温室化已经加剧，因此台风加强了。

2.地球温室化加剧，台风加强了。