Oct, 2015

临床叙述中相对和不完整的时间表达式规范化

PDF
TL;DR研究 RI-TIMEXes 在临床叙述领域中的标准化问题，提出了两种假设，设计了一个包含多标签分类器的 RI-TIMEX 规范化系统，并进行了特征实验和错误分析，证实了其显著改善了之前最好系统的结果。
ri-timexesclinical narrativeanchor pointanchor relationmulti-label classifier
发现论文，激发创造
  • TIMELINE：新闻文章中支持自动排序事件的时间关系的详尽注释

    该研究论文介绍了一种新的标注方案，以解决现有时间关系注释新闻数据集中存在的问题，并自动化了标注过程，从而减少了时间和人力成本。该论文还报告了基于新语料库进行训练和评估基线时间关系提取模型的结果，并与广泛使用的 MATRES 语料库的结果进行了比较。

    Oct, 2023

  • 事件时间关系的多轴标注方案

    本文提出了新的多轴建模方法，以更好地捕捉事件的时间结构，并基于起始点对事件进行 TempRel 注释，试图改进传统注释任务的定义，初步专家标注结果表明其在 Kappa 值上有显著的提高，可以通过众包来缓解各注释员的劳动强度，促进更多有趣的事件理解研究。

    Apr, 2018

  • 上下文中基于对话的时态表达规范化的学习

    使用大型语言模型和上下文学习，通过样本选择策略实现时间表达归一化，取得了与此任务相关模型相媲美的竞争性结果，并在非标准设置中通过动态包含相关示例在推断过程中实现大幅度的性能改进。

    Apr, 2024

  • ManTIME: TempEval-3 挑战赛中的时间表达式识别和归一化

    本文介绍了一个用于 TempEval-3 挑战的时间表达式识别和归一化系统 ManTIME，其中识别阶段结合了条件随机场和后处理识别管道，而规范化阶段则使用 NorMA，探讨了不同特征类型对性能的影响。最好的运行在标识阶段达到 0.95（P），0.85（R）和 0.90（F1），规一化精度分别为 0.84（类型属性）和 0.77（值属性）

    Apr, 2013

  • 使用深度学习和基于语法的方法进行多语言 Timex 检测和归一化的模块化方法

    本文提出一种模块化的多语言时间处理系统，结合了微调的遮蔽语言模型和基于语法的规范化器，实验在西班牙语和英语中并与 HeidelTime 进行比较，获得了最佳结果的金标准 timex 标准化、timex 检测和类型识别，并在组合 TempEval-3 松弛值度量中具有竞争性的表现。

    Apr, 2023

  • 一种结构化学习方法用于时间关系提取

    本文讨论识别事件之间时间关系的问题，提出了一种结构化学习方法，以解决在学习识别这些关系时必须考虑依赖关系的挑战。同时，该方法还提出了一个新的处理缺失关系问题的角度，并在两个基准数据集上取得了显著的改进。

    Jun, 2019

  • 学习句子内部的时间关系

    本文提出了一种基于数据密集的方法来推断句内时间关系，旨在实现 NLP 应用中的时间信息的提取和综合，比如摘要和问答，通过利用像 after 这样的标记来避免手动编码的需求，我们的方法首先表明，训练模型可以在用时暂未看到的情况下选择正确的标记，然后评估所提出的方法是否有望半自动创建时间注释，比较了许多概率模型在不同方面的差异。

    Oct, 2011

  • 无监督学习事件之间的时间关系

    本文介绍了两种旨在实现无人监督的时间关系提取方法，第一种基于弱监督机器学习方法和互联文献数据集，第二种是基于期望最大化算法和不同的技术手段，我们的实验结果表明，所提出的两种方法无需额外的注释数据即可实现从事件之间提取时间关系，并实现了比以往更高的准确性。

    Jan, 2014

  • 为深度时序排序模型嵌入时间表达式

    本文介绍一种框架来将时间感知融入模型，方法是通过学习预先训练的模型嵌入时间表达式，生成由时间表达式和相关事件组成的合成数据，使用字符 LSTM 学习嵌入并分类时间表达式的时间关系，在强神经模型的上下文中评估嵌入的效用，并在 MATRES 数据集上表现出微小的提高，对于具有更频繁的事件时间交互的自动收集数据集则提供了更实质性的收益。

    Jun, 2019

  • 基于整数规划的时间关系分类器集成

    本篇论文针对自然语言处理中时间性事件以及它们之间关联的提取和理解问题，提出了采用整数规划的集成方法来提高多个分类器的关于文本中时间性表达的判断。实验结果表明该方法在 SemEval-2013 TempEval-3 (Temporal Annotation) 和 SemEval-2016 Task 12 (Clinical TempEval) 两个最新挑战中明显优于使用单个分类器的结果。

    Dec, 2014