篇章事件因果识别的反事实约束推理与因果图自修正方法

本发明公开了面向篇章级事件因果识别的反事实约束推理与因果图自修正方法及系统，属于深度学习、自然语言处理领域。针对现有推理中潜在因果信号模糊、关键事件结构影响难动态刻画、错误因果边易累积传播等问题，本发明提出含事件因果图构建、反事实因果图生成、事件中心性估计、潜在因果信号建模、伪因果信号识别及因果图自修正模块的系统；通过构造目标事件缺失下的反事实因果图衡量事件节点结构影响，结合事件对表示偏移与因果置信度偏移建模潜在因果信号，识别伪因果信号并生成伪因果偏差放大因子；基于该因子对错误因果边进行传播权重重校准与迭代更新，实现因果图结构自修正与稳定优化，提升识别能力。