Sep, 2019

Giveme5W1H: 从新闻文章中提取主要事件的通用系统

PDF
TL;DR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。
event extractionnews articlesgiveme5w1hjournalistic questionsarticle summarization
发现论文，激发创造
  • 基于大型语言模型的 5W1H 提取

    通过 ChatGPT，我们基于高质量的 5W1H 数据集，设计了多种从零热点 / 少热点提示到高效调优的策略，以从原始新闻文档中提取 5W1H 分面。实验结果表明，调优后的模型在我们标记的数据集上的性能优于 ChatGPT。此外，我们还探讨了源领域（如 NYT）模型在目标领域语料库（如 CNN/DailyMail）上进行 5W1H 提取任务的领域能力。

    May, 2024

  • 利用 Wikidata 支持的事件知识图谱搜索新闻文章

    本文提出一种使用 Wikidata 知识库的方法来产生新闻文章的语义注释，并描述了一种语义搜索引擎，支持基于关键词的搜索和结构化数据搜索。

    Apr, 2019

  • 一个将新闻标题映射到知识图谱事件类别的评估框架

    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

  • 基于 LLM 的多文档总结：利用主事件有偏单调子模函数内容提取

    通过提取与主事件相关的最关键信息，使用预训练的语言模型对内容进行重写，从而提高新闻摘要的客观性和信息性。

    Oct, 2023

  • 事件提取：综述

    本综述介绍了从文本中检测事件的方法，探讨了任务定义、评估方法、基准数据集和方法学的分类，并展望了事件检测的未来研究方向。

    Oct, 2022

  • 一种新闻文章基于事件的嵌入式表示方法

    通过关注文章中提到的实体、主题及其与具体事件的历史联系，提出一种优化新闻嵌入生成的轻量级方法，包括事件、实体和主题的提取、时态分离 GloVe 模型的周期性时间嵌入生成以及使用 Smooth Inverse Frequency 和 Siamese 神经网络相结合生成新闻嵌入。我们的实验证明，该方法显著提高了所有任务和数据集上的 Precision-Recall AUC，相对于 SIF 方法和半监督方法，日常共享事件检测任务的平均 PR AUC 改进了 2.15% 和 2.57%，月度共享事件检测任务的 PR AUC 改进了 2.57% 和 2.43%。

    May, 2024

  • 通过回答 (几乎) 自然问题进行事件提取

    将事件抽取视为问答任务，实现端到端的事件参数提取，相比现有方法有显著提升。同时，也能够在零样本学习情况下提取训练期间未见过的事件参数角色。

    Apr, 2020

  • 提问和回答以提取事件论元结构

    本文提出了一种问答方法来提取文档级别的事件 - 论证结构，使用手动定义的模板和生成型 Transformer 自动生成问题，并使用数据增强策略和迁移学习提高抽取结果的准确性，同时对最佳模型的错误进行详细分析。

    Apr, 2024

  • 基于事件的新闻叙事提取调查

    本综述文章聚焦于从事件中心的角度提取新闻叙事，包括合成、组织、评估方法等方面，总结了 900 多篇相关文章中的 54 篇研究，分析了近年来的趋势和未来的挑战和潜在研究方向。

    Feb, 2023

  • 大规模文本语料中的无监督关键事件检测

    本文提出了一种新的任务，中间级别的重要事件检测，旨在从新闻语料库中检测在特定时间 / 位置发生的关键事件，并聚焦于相同的主题。为了解决这些挑战，我们开发了一个无监督的重要事件检测框架 EvMine，它提取时间频繁的 peak 短语，通过从我们设计的 peak 短语图中检测社区将 peak 短语合并成事件相关的特征集，使用从事件相关特征集自动生成的伪标签训练分类器，并利用检索到的文档迭代检测到的关键事件。

    Jun, 2022