Reasoning-Oriented and Analogy-Based Methods for Locating and Editing in Zero-Shot Event-Relational Reasoning (ROLE and ABLE)

基于推理编辑和类比编辑的零样本事件关系推理方法

This repository contains the implementation for the research work published at COLING 2025 (The 31st International Conference on Computational Linguistics).

该工程为论文基于推理编辑和类比编辑的零样本事件关系推理方法的代码，该文章发表至COLING 2025会议。

https://aclanthology.org/2025.coling-main.181/

目录（Table of Contents）

• 环境配置
• 推理导向的定位和编辑方法
• 基于类比的定位和编辑方法
• 保存的模型
• 数据集

环境配置（Enviroment Setup）

CUDA: 11.4
conda install python=3.8
conda install pytorch==1.11.0 torchvision==0.12.0 torchaudio==0.11.0 cudatoolkit=11.3 -c pytorch
conda install transformers==4.41.2
conda install scikit-learn
conda install -c conda-forge sentencepiece
conda install -c conda-forge accelerate

推理导向的定位和编辑方法（ROLE）

（1）推理导向的定位（Reasoning-oriented locating method）

python ./experiments/ROLE_locating_(...)No_ext.py
python ./experiments/ROLE_locating_(...)NoW_No_cla.py
python ./experiments/ROLE_locating_(...)NoW_No_ext.py
python ./experiments/ROLE_locating_(...)W_cla.py
python ./experiments/ROLE_locating_(...)W_ext.py
python ./experiments/ROLE_locating_(...)W_Yes_cla.py
python ./experiments/ROLE_locating_(...)W_Yes_ext.py

该代码用于计算特定任务（因果、时序和子事件的分类和抽取）对特定样本在特定位置（网络层数，token位置）的因果效应值，来进行推理导向的定位。 另外，
括号(...)：填入causal、subevent或者temporal；
cla和ext：分别表示分类和抽取任务；
(...)W：表示True Positive样本中，Yes的预测概率变化；
(...)W_Yes：表示False Positive样本中，Yes的预测概率变化；
(...)No：表示True Negative样本中，No的预测概率变化；
(...)NoW_No：表示False Negative样本中，No的预测概率变化。

分析定位结果（Analyze locating results）:

python ./experiments/ROLE_results_analysis.py
python ./experiments/ROLE_results_analysis_chinese.py

该代码用于整体分析6种任务在不同（网络层数，token位置）下的因果效应值，实现推理导向的定位：
对于论文中的图3：选择“T5-Encoder画图, 热力图”部分的代码；
对于论文中的图4，选择“T5-Decoder画图, 折线图”部分的代码。

（2）推理导向的编辑（Reasoning-oriented editing method）

以下代码用于推理导向的编辑，编辑T5的编码器和解码器，来实现对特定任务的优化。

编辑编码器的MLP模块（For encoder's MLP module ）:

python ROLE_editing_encoder.py

编辑解码器的交互注意力模块（For decoder's Cross-attention module）:

python ROLE_editing_decoder.py

基于类比的定位和编辑方法（ABLE）

（1）用于事件因果关系抽取的数据集：

python ABLE_causal_ext_to_subevent_dec.py  # 编辑解码器，类比子事件任务
python ABLE_causal_ext_to_subevent_enc.py  # 编辑编码器，类比子事件任务
python ABLE_causal_ext_to_temporal_dec.py  # 编辑解码器，类比时序任务
python ABLE_causal_ext_to_temporal_enc.py  # 编辑编码器，类比时序任务

（2）用于事件因果关系分类的数据集：

python ABLE_causal_cla_to_subevent_dec.py  # 编辑解码器，类比子事件任务
python ABLE_causal_cla_to_subevent_enc.py  # 编辑编码器，类比子事件任务
python ABLE_causal_cla_to_temporal_dec.py  # 编辑解码器，类比时序任务
python ABLE_causal_cla_to_temporal_enc.py  # 编辑编码器，类比时序任务

（3）用于子事件关系抽取的数据集：

python ABLE_subevent_ext_to_causal_dec.py  # 编辑解码器，类比因果任务
python ABLE_subevent_ext_to_causal_enc.py  # 编辑编码器，类比因果任务
python ABLE_subevent_ext_to_temporal_dec.py  # 编辑解码器，类比子事件任务
python ABLE_subevent_ext_to_temporal_enc.py  # 编辑编码器，类比子事件任务

（4）分析关键位置的可类比性（Analysis of the analogicality of location）

python ./experiments/ABLE_anal_location.py

（5）分析编辑幅度的可类比性（Analysis of the analogicality of editing magnitude）

python ABLE_anal_edit.py

保存的模型（Saved Models）

ABLE_para_store中保存的模型：https://drive.google.com/drive/folders/1E2RtfE5l6xGL41rWgY443_j5vsut_uQi?usp=drive_link

数据集（datasets）

参见：https://drive.google.com/drive/folders/1WxTe3THj503XLNkJTllUNGnl8BL2fcEr?usp=drive_link