【ACL 2021 】ExCAR: 事理图谱增强的可解释因果推理

此前的基于文本的因果推理工作主要从事件对中学习因果知识。然而，我们注意到，在因果推理过程中，额外的证据事件亦能起到支撑因果推理，并增强结果的可解释性与稳健性的作用。为此，我们提出了基于事理图谱的可解释因果推理框架ExCAR。给定因果对，ExCAR能够从预先构建的因果知识库中获取一系列因果证据，并利用一个条件马尔可夫神经逻辑网络以推断出结果。实验显示，ExCAR能够有效提升模型因果推理的准确率与稳健性。