EMNLPSep, 2019

查询焦点场景构建

PDF
TL;DR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。
event extractionone-class clusteringneural network modelsscenario constructionnews coverage
发现论文，激发创造
  • 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

  • 通过简单的实体关注问题对复杂事件场景进行建模

    本文提出了一种基于问题引导的生成框架，用于模拟在复杂场景下的事件序列。此框架包含三个问题：参与者做了什么、对参与者发生了什么、以及其他事件。通过先前生成的事件作为上下文信息，将下一个事件作为以上三个问题的答案之一生成，从而探索复杂场景中的事件序列。该框架可以由用户输入参与者和问题，从而实现可控探索。实验结果表明，与标准事件语言模型相比，这种基于问题引导的模型能够更好地涵盖参与者、在领域内产生多样性事件、具有可比的建模事件序列的困惑度，以及更有效地控制交互式模式生成。

    Feb, 2023

  • 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

  • Web 搜索中的事件驱动实时检索

    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

  • 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

  • 将深度神经重排和无监督提取结合用于多次查询的聚焦摘要

    论文提出了 CrisisFACTS 追踪，该追踪致力于解决多流事件追踪领域中的诸多挑战，运用整数线性规划、最大边际相关性等框架，以及各种提取事实的方法，最终探讨了其中的优劣。

    Feb, 2023

  • 大规模在线视频服务中基于多图的多场景推荐

    本文提出了一种多图结构的多场景推荐解决方案，通过图学习来在各场景之间交互数据并获得表示，从而使其能够在激活冷门视频和丰富目标推荐方面表现出卓越性。

    May, 2022

  • ASPECTNEWS: 新闻文档的面向方面的摘要

    本文介绍了一个数据集 AspectNews，并比较了不同训练方案的效果，研究表明最终方法可以生成更好的聚焦摘要，相比通用摘要系统或关键字匹配更为敏感。

    Oct, 2021

  • SCStory：自监督和持续在线故事探索

    SCStory 是一个在线故事发现的框架，通过自我监督和持续学习的方法，使用文章的句子和文章表征，识别与故事相关的信息并发现故事，能够适应快速变化的新闻文章流。

    Nov, 2023

  • 世事不变，以叙事视角丰富事件中心的知识图谱

    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