因果分析是解决问题的关键,也是创新理论TRIZ常用的问题分析方法。目前,国内外针对因果关系识别已经开展了一定的研究工作,取得了一定的成果。但是对事件序列的因果识别工作仍有不足:缺少对因果关系事件对的规范化描述;存在长距离依赖问题。本文针对这两点进行了深入研究:(1)在因果关系事件对描述方面:本文定义了创新问题的因果关系表达方式,将原因事件和结果事件按照创新问题中功能的表达方式划分成:实体、属性、性能水平,并将性能水平进行分类,最后形成规范的表达。(2)在长距离依赖问题方面:本文提出了层叠跳跃链条件随机场模型,在因果关系识别的低层模型中选择了线性链条件随机场模型,在高层模型中使用了跳跃链条件随机场模型,跳跃链条件随机场模型打破了相邻节点之间依赖关系最强的假设,可以建立距离较远的词对之间的关系。进而,本文对多种类别的真实语料进行了对比实验,结果表明本文所采用的层叠跳跃链条件随机场模型不仅可以很好的识别因果角色,而且可以有效地解决因果关系识别中的长距离依赖问题。(3)结合(1)(2)的工作,本文设计了因果关系提取系统,该系统首先对专利的文本进行预处理,然后使用低层线性链条件随机场模型对预处理过的候选集进行因果关系边界标注,其次对标注结果进行降噪和扩充,将其作为新的特征传递给高层跳跃链条件随机场模型用于识别因果角色,对高层结果进行指代消解和降噪,最后对因果角色进行抽取并对性能水平进行分类。