tieval: 一个用于时间信息抽取系统评估的框架
描述了即将在 SemEval-2013 评估活动中准备的 TempEval-3 任务,旨在推进关于时间信息处理的研究,包括一个三部分任务结构,涵盖事件、时间表达和时间关系提取,一个更大的数据集和单一的总体任务质量得分。
Jun, 2012
本文提出一种基于 CLIP-score、人类判断和包含 10 个类别的高质量图片文本数据集的新型评估方法,用于评估和比较最新的文本到图片模型。实验结果表明,人类判断的准确性与 CLIP-score 完全一致。数据集已经向公众开放。
Dec, 2022
文章介绍了一个新框架 Time-aware Incremental Embedding (TIE),可用于支持频繁更新的时间知识图谱(TKG)的完整性补充任务(TKGC),提高了系统的效率,降低了训练时间。
Apr, 2021
本研究提出了一种新的语义框架来建模时间关系和事件持续时间,构建了迄今为止最大的时间关系数据集,并利用该数据集训练了预测细粒度时间关系和事件持续时间的模型,表现出强大的实验结果,并展示了预测分类关系的迁移学习方法的功效。
Feb, 2019
本篇论文针对自然语言处理中时间性事件以及它们之间关联的提取和理解问题,提出了采用整数规划的集成方法来提高多个分类器的关于文本中时间性表达的判断。实验结果表明该方法在 SemEval-2013 TempEval-3 (Temporal Annotation) 和 SemEval-2016 Task 12 (Clinical TempEval) 两个最新挑战中明显优于使用单个分类器的结果。
Dec, 2014
本文提出一个集成时间和因果关系提取的框架,在该框架中,通过利用因果关系中事件先行的假设,将两个提取组件整合成一个系统,使用词嵌入和训练数据扩展等方法来改善关系提取系统,并介绍了将时间信息处理应用于其他语言的适应性尝试。
Apr, 2016
本论文介绍了一种用于比较不同 NLP 系统语义理解能力的统一性评估框架 ——Recognizing Textual Entailment (RTE),并提供了评估 NLP 系统推理能力的不同方法的概述,重点介绍了 RTE 数据集的特点及其最新研究进展,提出了利用注重特定语言现象的新引入的 RTE 数据集来评估 NLP 系统的建议。
Oct, 2020
该研究论文介绍了一种新的标注方案,以解决现有时间关系注释新闻数据集中存在的问题,并自动化了标注过程,从而减少了时间和人力成本。该论文还报告了基于新语料库进行训练和评估基线时间关系提取模型的结果,并与广泛使用的 MATRES 语料库的结果进行了比较。
Oct, 2023
本文提出了一种名为 TIES 的模型,它是一种基于深度学习的监督模型,可以保护 Facebook 上的不同社交媒体实体免受虚假信息、假账号和广告欺诈等问题的侵害。TIES 可以捕捉社交实体的动态和静态行为,具有良好的实时监测效果,可以在 Facebook 大规模网络中应用。
Feb, 2020