May, 2020

从新闻中自动提取社会政治事件（AESPEN）：研讨会和共享任务报告

PDF
TL;DR本研究旨在自动从新闻中提取社会政治事件，并讨论计算语言学和社会政治学研究在大规模跨源、跨国和跨语言的社会政治事件信息收集中的相互支持，研究内容包括机器学习方法学的评估、语言资源、物质冲突预测、核心参照识别等。
event extractioncomputational linguisticssocial and political sciencesmachine learningsocio-political event information collection
发现论文，激发创造
  • 自动从文本中提取社会政治事件的挑战与应用 (CASE 2023)：研讨会和共享任务报告

    我们提供了第六届 RANLP 2023 CASE 研讨会的摘要。该研讨会汇集了技术和社会科学领域中事件信息收集的各个方面，不仅对文本事件提取的进展有所贡献，还提供了多模态事件信息收集任务的组织空间。

    Dec, 2023

  • 自动提取文本中社会政治事件的挑战和应用：CASE 2022 研讨会和分享任务报告

    本文总结了在 EMNLP 2022 范围内举行的 CASE 工作坊的第五届会议，该工作坊聚焦于跨技术和社会科学领域的事件信息收集和多模态方法对该跨学科研究主题的拓展。

    Nov, 2022

  • 生成与政治相关的事件数据

    本文总结了政治事件数据的方法和本体，并进行一系列实验以确定深度神经网络在从新闻文本中提取政治事件方面的适用性。

    Sep, 2016

  • 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

  • 从文本文档中检测和提取事件

    本文探讨了如何从文本中挖掘事件和附带信息，主要应用了机器学习技术进行事件检测和摘要，并讨论了在医学和 Twitter 上运用的应用和未来挑战

    Jan, 2016

  • 涉及争议政治事件的事件关联消解

    研究提供了一份跨来源、语言和国家的事件共参考数据集，并分析了多语言语料库的表现和贡献，发现近一半文档中的事件提及与其他事件提及共现，这不可避免地导致了错误或部分事件信息，事件核共参考可以帮助解决这一问题并减少错误。

    Mar, 2022

  • 文本中的政治事件地理定位

    本文介绍了一种自动地从文本中找到政治事件发生地点的方法，基于一个包含 8,000 个标签的句子集合，使用了一种将自动提取的事件和文本位置联系起来的方法，该模型在注释任务上达到了人类水平表现，胜过了先前的事件地理定位系统，并可应用于大多数地理环境下的事件提取系统。本文形式化了事件 - 位置链接任务、描述了神经网络模型，并演示了一个工作流来回答叙利亚内战中传统军事攻势导致平民伤亡的开放性问题。

    May, 2019

  • 基于上下文线索的语音事件提取

    我们介绍了一种从语音信号中提取事件的新方法 ——Speech Event Extraction (SpeechEE)。我们提出了一种序列到结构生成范例，可以在端到端的方式上从语音信号中生成事件，并利用语音识别转录作为上下文线索的生成方法。实验结果显示，我们的方法在所有数据集上都取得了显著的改进，最大 F1 增益达到了 10.7%。

    Jan, 2024

  • 1Cademy @ Causal News Corpus 2022: 在社会政治事件数据的因果分类中利用自训练

    本文介绍了我们参加 EMNLP 2022 的 CASE 研讨会的情况，利用自我训练方法解决了事件因果关系检测的问题，并验证了在不同训练集数量下模型性能的变化，结果表明自我训练可以显著提高模型性能，代码可在此 https 链接中公开获取。

    Nov, 2022

  • 从新闻文本中提取空间态势感知事件

    本文探索了利用文本输入进行太空态势感知任务，并构建了一个涵盖所有已知活动卫星的 48.5k 新闻文章的语料库，通过基于依赖规则的提取系统来标识太空事件句子，并通过人工标注来提取事件插槽。研究表明，采用最先进的神经抽取系统在这个低资源、高影响的领域可以实现每个事件插槽的 F1 值在 53 到 91 之间。

    Jan, 2022