SIGIRApr, 2023

通过可扩展的主题嵌入从连续新闻流中无监督地发现故事

PDF
TL;DR该研究提出了一种基于主题嵌入、动态嵌入和自适应聚类的框架 USTORY 实现了无监督在线故事发现，并在真实新闻数据集上进行了全面评估，结果表明 USTORY 的性能比基线更高，并且具有鲁棒性和可扩展性。
unsupervised online story discoverythematic embeddingpretrained sentence encoderdynamic embeddingadaptive clustering
发现论文，激发创造
  • SCStory：自监督和持续在线故事探索

    SCStory 是一个在线故事发现的框架，通过自我监督和持续学习的方法，使用文章的句子和文章表征，识别与故事相关的信息并发现故事，能够适应快速变化的新闻文章流。

    Nov, 2023

  • 基于多尺度图划分的内容驱动非监督式新闻文章聚类

    介绍了一种利用自然语言处理和图论工具结合的方法，通过向量表示和多尺度社团检测技术对文本进行分析和分类，得出了一组组具有相似内容的文档，揭示了主题和子主题的类层次结构。

    Aug, 2018

  • NewsEmbed: 预训练文档表示模型对新闻进行建模

    本文提出了一个新颖的方法，使用少量人为监督来挖掘具有语义相关性的新鲜文档及其主题标签，并设计了一个多任务模型 - NewsEmbed，交替使用对比学习和多标签分类来推导通用文档编码器，在多个自然语言理解任务中实现了出色的性能表现。

    Jun, 2021

  • 使用实体感知的上下文嵌入进行事件驱动新闻流聚类

    提出一种基于非参数流式 K 均值算法的在线新闻流聚类方法，使用了稀疏和密集文档表示的组合，采用神经分类器做聚类决策，并将文档 - 聚类相似度聚合在这些多重表示中。使用三元组损失将加权文档 - 聚类相似度模型转化为线性分类目标，同时使用 Transformer 预训练模型和外部知识来微调目的函数，获得了显著的聚类效果提升，该模型在标准英文文档流聚类数据集中实现了新的最优性能。

    Jan, 2021

  • 大型文本数据中的交互式概念学习和主题发现

    本研究提出了一种交互式框架，该框架通过接收并编码领域相关的概念和专家反馈来维护领域专家对学习的控制，从而在自动化和手动编码之间取得平衡。

    May, 2023

  • 多语种流媒体新闻的聚类

    该研究提出一种基于多语言文档流聚类的方法，可用于实时新闻监测和处理，并在德语、英语和西班牙语数据集上实现了最优结果。

    Sep, 2018

  • 一种新闻文章基于事件的嵌入式表示方法

    通过关注文章中提到的实体、主题及其与具体事件的历史联系，提出一种优化新闻嵌入生成的轻量级方法，包括事件、实体和主题的提取、时态分离 GloVe 模型的周期性时间嵌入生成以及使用 Smooth Inverse Frequency 和 Siamese 神经网络相结合生成新闻嵌入。我们的实验证明，该方法显著提高了所有任务和数据集上的 Precision-Recall AUC，相对于 SIF 方法和半监督方法，日常共享事件检测任务的平均 PR AUC 改进了 2.15% 和 2.57%，月度共享事件检测任务的 PR AUC 改进了 2.57% 和 2.43%。

    May, 2024

  • Skip-Thought 向量

    本研究提出了一种无监督学习的句子编码器，使用连续的文本数据训练编码器 - 解码器模型，并通过线性模型对其进行了 8 项任务的评估，结果表明该编码器具有高度泛化的句子表示能力，可在实践中发挥良好的效果。

    Jun, 2015

  • 多语言新闻流的批量聚类

    提出了一种基于 Topic Detection and Tracking 的新闻处理系统，采用 “replaying” 策略将单语局部主题链接成故事，同时使用 SBERT 进行交叉语言处理，获得了在多个语言数据集上的最新成果。

    Apr, 2020

  • 视频故事嵌入：在数据稀缺时识别事件

    本文提出了一种叫做 VideoStory 的语义视频表示方法，通过学习来自网络视频和其描述的嵌入来构建整个表示，同时通过多模态可预测性损失来提高描述性和可预测性，并利用术语敏感的描述性损失来识别没有例子的视频事件，从而在视频事件的少量和没有例子的识别方面提高了准确性。

    Nov, 2015