本文提出了一种利用实体而非句子进行事件时间轴摘要的新方法，该方法为回顾性事件考虑提供重要的记忆提示，并在个性化事件探索方面起到指针作用，同时提出了一种用于实体排名的学习方法，并以Wikipedia为基础的创新性软标签方法来捕捉实体的集体关注度。实验证明了所提出方法的有效性。

Jan, 2017

本文介绍了一个事件中心的时间知识图EventKG，包含超过690,000个事件和超过2.3 million的时间关系，并描述了如何使用该知识图生成人物传记时间线。

May, 2019

本文介绍了一种改进的基于 Giveme5W1H 的事件提取系统，使用句法和领域特定规则自动从英文新闻文章中提取相关短语并回答“五个W和一个H”问题，可以作为广泛应用于新闻分析的唯一通用开源5W1H提取器。

Sep, 2019

试图在不使用人工标注的情况下通过在不同级别上同时使用多个类型的未标注语料库和自投票方法对新闻报道进行标题生成的研究。

Jan, 2020

本文介绍了自动新闻时间线摘要（TLS）的评估指标及方法并提出了最新的TLR数据集以及一种结合多种方法的简单而有效的策略，取得了比现有技术更好的结果。

May, 2020

本文介绍了利用CompRes数据集进行新闻媒体叙述结构自动检测的任务，并从叙述理论中采用新的故事要素，通过有监督模型训练，实现了$ F_1 $得分高达0.7。

Jul, 2020

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

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

通过引入背景新闻摘要机制，结合时间轴更新，我们构建了一个数据集，并通过人工标注人员为每个新闻事件的每个时间步骤编写了背景摘要。我们提出了一个问题导向的变体来生成背景摘要，并使用基于问答的评估指标 Background Utility Score（BUS）评估了摘要质量。实验结果表明，在Fine-tuned 系统（如Flan-T5）和零-shot 性能强大的 GPT-3.5 的指导下，背景摘要表现出很好的效果。

Oct, 2023

通过对传统提示技术进行扩展，我们的研究在各种新闻数据集上证明了增强提示效果的有效性，使新闻时间线生成成为专业使用的实际工具，并已部署为公开可访问的浏览器扩展程序。

Nov, 2023