一句话总结：本文从已有的事件因果关系识别（ECI）任务出发，提出了一种全新的信息抽取任务——事件因果关系提取（Event Causality Extraction, ECE），并设计了一种双网格标记方案（Dual Grid Tagging Scheme），能够从纯文本中同时抽取因果事件对及其结构化的事件信息，显著提升了因果知识的丰富度与可用性。
1. 任务背景与动机
传统的事件因果关系识别（ECI）任务只能判断两个给定文本事件之间是否存在因果关系，然而ECI存在一个关键缺陷：它完全忽略了事件内部的事件结构以及因果事件参数信息，导致抽取结果难以直接用于下游应用（如事件推理、智能问答系统等）。
为弥补这一空白，本文探索了一项新任务——事件因果关系提取（ECE）。ECE的目标是从纯文本中提取出因果事件对，并同时获取每个事件的结构化事件参数（例如触发词、事件类型、参与者、时间、地点等）。如此一来，因果关系不再只是一个二元标签，而是携带了丰富语义的完整知识单元，为深层次的事件理解奠定基础。
2. ECE 任务定义
ECE 任务的核心挑战在于：每个事件可能包含多个事件参数，这些参数之间不仅存在事件内部（intra-event）的关联，还存在事件之间（inter-event）的细粒度相关性。例如，一个“地震”事件与“房屋倒塌”事件之间，需要判断究竟是哪个参数（如“震级”与“破坏程度”）构成了因果关系。传统方法难以捕捉这种参数级别的相关性，导致信息丢失。
