@prefix pubblicazioni: . @prefix unitaDiPersonaleInterno: . @prefix prodotto: . unitaDiPersonaleInterno:MATRICOLA8985 pubblicazioni:autoreCNRDi prodotto:ID314731 . @prefix prodottidellaricerca: . @prefix istituto: . istituto:CDS024 prodottidellaricerca:prodotto prodotto:ID314731 . unitaDiPersonaleInterno:MATRICOLA14936 pubblicazioni:autoreCNRDi prodotto:ID314731 . @prefix modulo: . modulo:ID2056 prodottidellaricerca:prodotto prodotto:ID314731 . @prefix unitaDiPersonaleEsterno: . unitaDiPersonaleEsterno:ID22174 pubblicazioni:autoreCNRDi prodotto:ID314731 . @prefix rdf: . @prefix retescientifica: . prodotto:ID314731 rdf:type retescientifica:ProdottoDellaRicerca , prodotto:TIPO1301 . @prefix rdfs: . prodotto:ID314731 rdfs:label "Automatic extraction of cause-effect relations in natural language text (Contributo in atti di convegno)"@en . @prefix xsd: . prodotto:ID314731 pubblicazioni:anno "2013-01-01T00:00:00+01:00"^^xsd:gYear . @prefix skos: . prodotto:ID314731 skos:altLabel "
Sorgente, Antonio; Vettigli, Giuseppe; Mele, Francesco (2013)
Automatic extraction of cause-effect relations in natural language text
in International Workshop on Information Filtering and Retrieval, DART2013, Turin, December 6, 2013
"^^rdf:HTML ; pubblicazioni:autori "Sorgente, Antonio; Vettigli, Giuseppe; Mele, Francesco"^^xsd:string ; pubblicazioni:paginaInizio "37"^^xsd:string ; pubblicazioni:paginaFine "48"^^xsd:string ; pubblicazioni:url "http://www.scopus.com/record/display.url?eid=2-s2.0-84909579321&origin=inward"^^xsd:string ; pubblicazioni:numeroVolume "1109"^^xsd:string ; pubblicazioni:volumeInCollana "1109"^^xsd:string . @prefix ns12: . prodotto:ID314731 pubblicazioni:rivista ns12:ID568662 ; skos:note "Scopu"^^xsd:string ; pubblicazioni:affiliazioni "Consiglio Nazionale delle Ricerche"^^xsd:string ; pubblicazioni:titolo "Automatic extraction of cause-effect relations in natural language text"^^xsd:string ; prodottidellaricerca:abstract "The discovery of causal relations from text has been studied adopting various approaches based on rules or Machine Learning (ML) techniques. The approach proposed joins both rules and ML methods to combine the advantage of each one. In particular, our approach first identifies a set of plausible cause-effect pairs through a set of logical rules based on dependencies between words then it uses Bayesian inference to reduce the number of pairs produced by ambiguous patterns. The SemEval-2010 task 8 dataset challenge has been used to evaluate our model. The results demonstrate the ability of the rules for the relation extraction and the improvements made by the filtering process."@en ; prodottidellaricerca:prodottoDi modulo:ID2056 , istituto:CDS024 ; pubblicazioni:autoreCNR unitaDiPersonaleInterno:MATRICOLA14936 , unitaDiPersonaleEsterno:ID22174 , unitaDiPersonaleInterno:MATRICOLA8985 . @prefix parolechiave: . prodotto:ID314731 parolechiave:insiemeDiParoleChiave . ns12:ID568662 pubblicazioni:rivistaDi prodotto:ID314731 . parolechiave:insiemeDiParoleChiaveDi prodotto:ID314731 .