يهدف السبب السببي إلى التنبؤ بالسيناريوهات المستقبلية التي قد يكون سببها الإجراءات الملحوظة.ومع ذلك، فإن أساليب المنطق السببية الموجودة تتعامل مع الضغط على مستوى الكلمة.في هذه الورقة، نقترح طريقة التفكير السببية السببية على مستوى الحدث وإظهار استخدام
ها في مهمة توليد التأثير.على وجه الخصوص، نقوم بتكييف أزواج الأحداث التي تمت ملاحظتها في السبب في شبكة سببية حدث، والتي تصف التبعيات السببية.بالنظر إلى جملة مدخلات، يتم استرداد مجموعة فرعية سببية من شبكة السببية الحدث ويتم ترميزها مع آلية اهتمامات الرسم البياني، من أجل دعم التفكير الأفضل للآثار المحتملة.ثم يتم تحديد حدث التأثير الأكثر احتمالا من الفحص الفرعي السببي ويستخدم كإرشادات لتوليد جملة تأثير.تظهر التجارب أن طريقتنا تولد جمل أكثر معقولة من مختلف المنافسين المصممين بشكل جيد.
في هذه الدراسة، نقترح طريقة تعلم الإشراف على الذات التي تطبق تمثيلات معنى الكلمات في السياق من نموذج لغة ملثم مسبقا مسبقا. تعد تمثيلات الكلمات هي الأساس للدلالات المعجمية في السياق وتقديرات التشابه المنصوصية الدلالية غير المرفوعة (STS). تقوم الدراسة
السابقة بتحويل التمثيلات السياقية التي تستخدم تضمين كلمة ثابتة لإضعاف الآثار المفرطة لمعلومات السياقية. على النقيض من ذلك، تستمد الأسلوب المقترح على تمثيلات كلمة معنى في السياق مع الحفاظ على معلومات السياق المفيدة سليمة. على وجه التحديد، تتعلم طريقةنا الجمع بين مخرجات الطبقات المخفية المختلفة التي تستخدم الانتباه عن الذات من خلال التعلم الذاتي الخاضع للإشراف مع كائن تدريب تلقائيا تلقائيا. لتقييم أداء النهج المقترح، أجرينا تجارب مقارنة باستخدام مجموعة من المهام القياسية. تؤكد النتائج أن تمثيلاتنا أظهرت أداء تنافسي مقارنة بسلطة حديثة من الأسلوب لتحويل التمثيلات السياقية للمهام الدلالية المعجمية السياقة وتفوقها على تقدير STS.
