تأثير الجيل بناء على التفكير السببية

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 استخدامها 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.

Causal reasoning aims to predict the future scenarios that may be caused by the observed actions. However, existing causal reasoning methods deal with causalities on the word level. In this paper, we propose a novel event-level causal reasoning method and demonstrate its use in the task of effect generation. In particular, we structuralize the observed cause-effect event pairs into an event causality network, which describes causality dependencies. Given an input cause sentence, a causal subgraph is retrieved from the event causality network and is encoded with the graph attention mechanism, in order to support better reasoning of the potential effects. The most probable effect event is then selected from the causal subgraph and is used as guidance to generate an effect sentence. Experiments show that our method generates more reasonable effect sentences than various well-designed competitors.