该研究提出了一种基于用户在线发布活动的方法，将长期的用户发布内容细分为时间轴，从而找到可能包含用户行为变化有趣时刻的时间轴；并提出了一种新的框架来评估时间轴，并在两个不同的社交媒体数据集的背景下展示了应用的可行性，并讨论高评价时间轴的语言内容。

Mar, 2023

本论文提出了一种优化框架，设计用于平衡文章和评论摘要之间的主题连贯性以及其信息性和事件覆盖面。在真实数据集上自动评估表明，与现有系统相比，我们的系统生成的时间线更具信息性。在人类评估中，相关评论摘要更被认为具有洞察力。

Jun, 2016

本文提出了一种名为 TIMEMACHINE 的方法，用于生成知识库中实体的事件和关系时间轴，并发展了三个正交的时间轴质量标准来满足理想的时间轴时必须满足的条件，我们提出了一种基于子模不优化和 Web 协同出现统计的算法来为特定时间段和屏幕大小生成这样的时间轴。

Feb, 2015

我们用基于距离依赖的中文饭店过程（dd-CRP）提出了故事情节检测的一个新的在线非参数贝叶斯框架。通过使用固定滞后吉布斯采样过程来保证高效的线性推断，衡量方法在 TREC Twitter 时间线生成（TTG）上表现出色，与 2014 年 TTG 任务的最佳结果相当，尽管采用的是一个较弱的基线检索模型。

Jan, 2016

本文提出了一种基于时变 Hawkes 过程的推文转发时间预测模型，该模型充分考虑了用户的昼夜节律和信息的老化，通过参数优化可以在不同的时间分辨率上预测转发活动的未来发展，验证表明该方法在所有时间段内都优于现有方法。

Mar, 2016

本研究同时使用静态和时变词嵌入来衡量事件对词汇的影响，通过创建历史转折点的时间轴来了解目标词的演化，定量评估结果表明这种技术可以捕捉语义变化和事件影响。

Sep, 2019

本文介绍了 TimeLMs，这是一组针对历时推特数据的语言模型。采用持续学习策略，增强了其处理未来和分布外推特以及应对特定命名实体和概念漂移等方面的能力，使其与标准和更加单一的基准模型相竞争。

Feb, 2022

本论文提出了一种统一的时间轴摘要生成器 (UTS)，它可以按时间顺序生成抽象和抽取式时间轴摘要，其中图形事件编码器和事件级关注机制是关键组成部分，实现了最先进的性能水平。

Jan, 2023

使用推特获得的大量时间序列数据，通过词嵌入技术和专门微调的语言模型进行后处理，捕捉了过去五年中 n-gram 频率、相似性、情感和主题分布的变化。构建在该数据之上的界面可以进行时间分析，用于检测和描述意义的转变，包括与趋势度量相补充的情感和主题的时间关联信息。我们提供了一个在线演示用于方便实验，还分享了代码和底层的聚合数据供以后的工作使用。本文还讨论了基于我们平台的三个案例研究，展示了它在时间语言分析方面的潜力。

Aug, 2023

本文研究社交媒体上的热点话题，提出了四种触发器类型以及一种基于社交特征的分类方法，能够有效分类趋势并提供给终端用户，帮助新闻机构及时发现突发新闻。

Mar, 2014