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

本研究提出了一种包含4480份维基百科文件、118732次事件提及实例和168种事件类型的MAVEN数据集，用于缓解数据不足和低覆盖率等问题，实证分析了通用领域事件检测中的进一步研究方向，并表明现有的事件检测方法不能像小规模数据集中表现出的那样在MAVEN上表现出色，说明其在现实世界中仍然是具有挑战性的任务，需要进一步的研究和努力。

Apr, 2020

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。

May, 2020

提供了一种黄金标准语料库，其中包含各种国家的各种本地和国际来源，用于自动分类新闻文章和提取与抗议事件相关的信息，并在社会和政治科学研究中构建知识库。

Aug, 2020

本文针对社会科学应用中自动化事件提取依赖于数据集层面的评估，提出了一种具有现实意义的印度警务事件语料库，基于这个语料库通过自然问答方式进行标注并评估现成模型在句子分类、文档排序和时间聚合三个任务上的性能表现。通过这种全新的数据集评估和标注方法，可以为未来类似的社会科学语料库资源的创造指明方向。

May, 2021

本文提出了一种新的任务，中间级别的重要事件检测，旨在从新闻语料库中检测在特定时间/位置发生的关键事件，并聚焦于相同的主题。为了解决这些挑战，我们开发了一个无监督的重要事件检测框架EvMine，它提取时间频繁的peak短语，通过从我们设计的peak短语图中检测社区将peak短语合并成事件相关的特征集，使用从事件相关特征集自动生成的伪标签训练分类器，并利用检索到的文档迭代检测到的关键事件。

Jun, 2022

本文提出了一种名为 PR-ENT 的事件编码新方法，通过引入预训练语言模型对事件描述进行扩展，并将事件描述视为前提，填充的模板作为假设，从中提取可解释的答案，从而可直接起草编码手册，并通过交互式编码手册设计工具进行人机交互，从而更灵活、高效地对事件进行编码。

Oct, 2022

本研究介绍了一个新的大规模多语言数据集 MINION，用于事件检测 (Event Detection)，提供了8种不同语言的事件注释，其中有5种语言并未在现有的多语言数据集中支持。该数据集的实验和分析表明，事件检测在不同语言中存在挑战和可转移性，需要更多的研究努力。

Nov, 2022

本文介绍了开放事件知识图谱（OEKG），它是一个多语言、事件中心、时间性的知识图谱，由来自多个应用领域的七个不同的数据集组成，包括问答、实体推荐和命名实体识别。这些数据集通过一个易于使用和稳定的管道集成，通过与事件中心的知识图EventKG链接，描述了它们的公共模式，并在三个用例中演示了OEKG的用法：类型特定的图像检索、基于知识图谱和新闻文章的混合问答以及语言特定的事件推荐。 OEKG及其查询端点是公开可用的。

Feb, 2023

最近的事件编码监督模型在超过模式匹配方法的性能。然而，它们仅依赖新注释，忽视了专家数据库中的丰富知识，限制了其在细粒度分类中的适用性。为了解决这些限制，我们探索了从已建立的注释代码库中获取知识的零样本方法，用于政治事件本体关系分类。我们的研究涵盖了ChatGPT和一种新的基于自然语言推断（NLI）的方法，名为ZSP。ZSP采用了一种树查询框架，将任务分解为上下文、语态和类别消歧的层次。该框架提高了可解释性、效率和适应架构变化。通过对我们新精心准备的数据集进行广泛实验，我们确定了ChatGPT内的不稳定性问题，并突出了ZSP优越的性能。ZSP在细粒度Rootcode分类的F1得分上取得了40%的显著改进。与监督的BERT模型相比，ZSP表现出了竞争性能，使其成为事件记录验证和本体发展的有价值工具。我们的工作强调了利用迁移学习和现有专业知识提高领域研究的效率和可扩展性的潜力。

Aug, 2023