ACLOct, 2022

在信息文本中检测叙事元素

PDF
TL;DR本研究介绍了一种名为 NEAT 的新型 NLP 任务，针对新闻等信息文本，基于 Labov 和 Waletzky 的叙事理论设计了一种新的多标签叙事注释方案，标注了从多种类别域收集的 46 篇新闻文章中的 2,209 句子，并训练了多个监督模型进行不同设置的分类，成功地识别了不同的叙事元素，并达到了高达 0.77 的 F1 分数，表明该研究具有很好的全面性及对域类别的鲁棒性。
发现论文，激发创造
  • 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

  • CompRes: 新闻叙述结构数据集

    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

  • 新事物？识别叙述中新事件的展开

    研究了叙述文本的事件信息状态和新事件的自动识别，提出了一种新的挑战性任务，定义事件为主语、谓语和宾语三元组，并用人类注释者对其中的新事件进行了注释和验证，并发布了相应的注释数据集和机器学习基线模型。

    Feb, 2023

  • 标注短篇小说和个人轶事的高级结构

    通过扩展现有叙事理论和开发注释方案的方式，对 360 个网络短篇故事进行标注，为实现系统与人类进行复杂的交流提供帮助。

    Oct, 2017

  • 论叙事信息及故事提炼

    本文提出了叙事信息的概念，使用对比学习方法和神经网络，提取叙事信息的表示，然后使用演化算法和拟合算法提取叙事模板，并用这些模板对音乐专辑进行重排，实验证明这些模板存在于现有音乐专辑中。

    Nov, 2022

  • 从社交媒体预测短篇叙述的质量

    本研究提出了使用社交媒体点赞数作为故事质量评估的一种方法，并利用神经网络来预测没有社交网络特征的点赞数，为未来的研究提供了强有力的基准。这也是关于叙述质量自动评估的首个大规模研究。

    Jul, 2017

  • 将口语个人叙述分解为叙述子句类型，探索它们之间相似性的方面

    通过引入个人叙述语料库并使用 Labov 的社会语言学模型及机器学习方法进行标注，文章探讨了人们比较故事时依赖于行动和评价这两个方面，以此为基础帮助机器学习研究或表现个人叙述的方法。

    May, 2020

  • 图形元素摘要

    自动文本摘要在近年来取得了实质性的进展。Ter Hoeve 等认为自动摘要生成的类型与用户需求不符，推荐增加更多图形元素。基于这个任务，我们提出了摘要与图形元素结合的新任务，并验证这些摘要对大众有助益。我们收集了一个高质量的人工标注数据集，提供基线模型表明该任务是有趣和具有挑战性的。希望这项工作能够在自动摘要社区中引起新的研究线路。

    Apr, 2022

  • 冲突、反派、结局：构建叙事媒体框架模型

    本研究旨在重新评估传播科学中的框架概念，将其与故事中重要实体的叙事框架相结合，提出自动检测多标签测定的框架，并在新闻机构的气候变化框架案例研究中应用传统的监督和半监督学习技术，最终在透明的预测中呈现了一种新的基于检索的既有效又透明的方法。

    Jun, 2023

  • 一种基于分解的方法用以评估叙述分析中标注者之间的不一致

    本研究分析了叙述分析中注释者间存在分歧的原因，提出了一种注释方法以及针对不同的注释层面进行了定量和定性分析以减少未来注释时可能存在的分歧。

    Jun, 2022