概率式框架归纳
本研究旨在提出一种名为 “中立事件图诱导” 的任务,通过信息提取技术和图卷积神经网络等方法消除新闻文章固有的框架偏见,以在开放领域中诱导最小的框架偏见的事件图。使用图预测指标和偏向指标验证了该框架有效性。
May, 2023
本文通过对欧洲五个国家的 No-Vax 运动相关文章的标题进行人工标记及使用 GPT-3.5 的微调和提示工程来推断新闻标题的框架,以研究该主题。研究结果为新闻分类等任务的可行性和 GPT-3.5 模型是否能够复制人的感知能力做出贡献。
Apr, 2023
本文关注了人类在叙事中的推理行为,提出了一种基于无监督方法和借鉴先前工作的事件对概率建模的方法,通过利用网络搜索数量和人类判断的连续性来提高准确率。
Aug, 2017
通过众包实验和单词分布表示,本文介绍了表示形式 connotation frames,它可以组织单词中的 connotative 关系并分析线上新闻媒体中的潜在偏见。
Jun, 2015
本文介绍语义框架预测技术,通过将长篇小说拆解为一系列固定长度的 “故事块”,使用语义框架频次标准化的方法,自动预测出后续故事情节。实验证明,当块长度超过 150 句时,此技术的自动化预测效果显著优于其他现有的方法。
Apr, 2021
使用半监督模型和自编码框架,学习嵌入新闻文章中事件和相关人物的本地信息,并利用这个信号进行框架分类。实验结果显示,该模型表现优于以前的框架预测模型,并可以通过使用半监督模型的未标记训练数据进一步提高性能,并且所学的事件和角色嵌入直观上与文档级预测相符,提供一种细致和可解释的文章框架表示。
Apr, 2021
本文主要针对通过两种方法 —— 获取常见事件因果关系的知识库和理解特定故事或宏事件,通过知识获取方法研究以认识第一人称叙述和电影场景描述等叙事类型中的事件之间因果关系。实验结果表明我们的方法可以学习细粒度的因果关系。
Aug, 2017
介绍了一种基于主题建模和深度学习的系统,用于分析和分类文本文档中的框架,该系统提供了预训练的框架分类模型以及适用于用户提供的语料库的新型分类模型的易于使用的流水线,旨在使研究人员能够获得文档的框架
Aug, 2020