本文介绍了在 Wikidata 中创建一种将新闻标题映射到事件类别的基准数据集的方法，并提供了用于评估执行映射的方法的资源。我们使用该数据集研究了两类无监督方法：1）经典实体链接方法的改进，以及 2）将问题视为零样本文本分类问题的方法。我们评估了现成的实体链接系统和预训练的自然语言推理（NLI）模型以及大型生成式语言模型。我们提供了评估结果、经验教训和未来工作方向。数据集和评估脚本已公开提供。

Dec, 2023

本论文提出了一种新颖的方法，通过提取直播文本中的关键时刻，并使用它们创建新闻的初始草稿，进一步通过特殊设计的体育知识图谱中的关键细节和背景信息进行改进，利用融合卷积神经网络和变换器编码器的多阶段学习模型，通过处理器计算不完整三元组的匹配分数，解决了少样本知识图谱补全问题，并经过主客观评估确认其能够彻底改变体育新闻的创作方式。

Feb, 2024

本篇研究介绍了一个多语言的以事件为中心的知识图谱 EventKG，其中包括超过 690,000 个当代和历史事件以及超过 2.3 百万的时间关系，该知识图谱填补了现有知识库在事件和时间关系上的不足。

Apr, 2018

利用自然语言处理技术，结合知识图谱的构建和上下文关系，利用 Transformer 技术从文本中提取事实信息以构建全面的基于图的事件表示。

Mar, 2023

本研究基于一类聚类的方法，通过针对新闻报道数据提取兼容事件的查询系统，根据添加事件的顺序逐步评估每个事件的兼容性，使用合成数据进行模型训练，在新的人为筛选数据集上实现了较高表现且优于现有基准，相信更强大的神经网络模型和更严格的训练设置将有助于促进后续研究。

Sep, 2019

本文研究信息检索在实时搜索中面临的挑战，通过整合事件信息和查询，利用跨注意力机制实现时间背景的查询表示，通过多任务训练增强事件表示能力，以及通过两阶段训练和硬负采样进行模型优化，并通过实验证明本方法在时间敏感场景下显著优于现有基线方法。

Dec, 2023

本文将命名实体概念扩展至命名事件，提出了一种在新闻文章中发现包含该类事件信息的特定段落的方法并报告初步评估结果。使用 Amazon Mechanical Turk 服务获取 Gold Standard 数据的方法也被介绍。

Jun, 2013

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

本文提出了一种新颖而轻量级的事件中心知识图谱结构，允许查询包括视角依赖和叙事方面，并证明了主观归属的有效结合，展示了为叙事查询处理专门定制的索引的好处。

May, 2022

该研究旨在分析自然语言文本，利用语义注释挖掘文本语料库中的重要事件，解锁语料库中的知识宝库，并就如何识别重要事件、进行语义搜索和事件分析等问题进行了探讨。

Mar, 2016