Nov, 2022

有效事件检测的语义中枢模型

PDF
TL;DR本文提出了一种 Semantic Pivoting Model for Effective Event Detection (SPEED)—— 显式地在训练期间整合先前信息，捕捉输入与事件之间语义上的相关性，在多个设置中取得最先进的性能，并优于基线方法而不使用任何外部资源。
event detectionnatural language processingsemantic pivot modelprior informationstate-of-the-art performance
发现论文，激发创造
  • 社交媒体事件主题建模的语义模块化框架

    该文介绍了一种基于 Semantic Modular Model 的事件检测方法，结合自然语言处理技术和聚类算法，更精确地提取社交媒体上的事件信息和关键词。

    Jan, 2023

  • 利用关键词学习扩展事件检测到新类型

    本文针对传统事件检测模型的预定义事件类型的限制，提出了一种通过多个关键词描述事件类型以匹配文本特定上下文以适应新事件类型的新方法，同时，引入了一种基于新方法的卷积神经网络特征注意力机制来提高事件检测性能。实验表明，该方法增强了事件检测对于新类型的适应性，并且特征注意力机制有助于提高检测性能。

    Oct, 2019

  • 大型语言模型事件语义的全面评估

    本研究提出了一个全面的事件语义处理框架，并引入了一个新的基准测试集 EVEVAL，以全面评估模型的事件语义处理能力，为自然语言处理领域的大语言模型应用提供了重要的研究方向。

    May, 2023

  • 无监督的标签感知事件触发词和论元分类

    本文提出了一种无监督事件抽取流程，使用先进的预训练语言模型并匹配语义，有效将事件映射到预定义的事件类型上，最终表现出色，成功地将 83% 的触发器和 54% 的参数映射到了正确类型。

    Dec, 2020

  • 语义信息驱动的层次化事件建模

    本研究提出了一种新颖的、具有层级结构的半监督事件建模框架，结合序列潜变量模型和本体知识，通过一系列的结构化潜变量层对语义知识进行制导，成功提高事件建模的表现，并在两个数据集上的四种不同评估指标上均优于先前现有的最佳方法。

    Dec, 2022

  • 事件搜索与分析：基于语义注释的语料库中事件的识别与搜索分析

    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

  • EnrichEvent：为新兴事件提取丰富的社交数据和背景信息

    社交平台是传播和讨论真实事件信息的关键平台，本研究提出了一种利用社交数据的词汇、语义和上下文表示来检测社交事件的框架，通过利用上下文知识在最早的阶段检测语义相关的推文并提高聚类质量，进而展示每个事件的演变变化。经过广泛实验验证了该框架在检测和区分社交事件方面的有效性。

    Jul, 2023

  • 一体化建模：实体和事件的神经联合建模

    本篇论文提出了一种新的基于深度学习共享隐藏表示的模型，以联合预测实体提及、事件触发和参数，并进行实验验证表明，该方法具有最先进的事件提取性能。

    Dec, 2018

  • 视频的多模态分布语义嵌入进行零样本事件检测

    本文提出了一种基于多模态分布语义嵌入的零样本事件检测方法，以视频为载体，将对象和动作等概念以及其他可用形式的多模态信息嵌入到分布语义空间中，实现了自由文本事件查询、概念属性的自动确定、视频检索等功能，在 TRECVID MED 大规模多媒体事件检测挑战中验证，有效性和速度均优于目前最先进的技术水平。

    Dec, 2015

  • 神经网络事件检测：严格实证评估

    本文提出了一种基于 GRU 的模型，结合了注意机制，将语法信息和时间结构相结合，具有与其他神经网络架构相当的性能，在 ACE2005 数据集的不同随机初始化和训练验证测试划分下进行了经验评估。

    Aug, 2018