COLINGApr, 2024

CMNEE：基于开源中国军事新闻的大规模文档级事件抽取数据集

PDF
TL;DR提取军事文本中的结构化事件知识，包括事件触发器和相应的参数，对于许多应用非常重要，如情报分析和决策辅助。本研究提出了 CMNEE，一个大规模的、以文件级别为单位的开源中国军事新闻事件提取数据集，包含 17,000 个文档和 29,223 个事件，这些事件均按照事先定义的军事领域模式进行手动注释，包括 8 种事件类型和 11 种参数角色类型。与其他领域数据集相比，对 CMNEE 的实验结果明显不理想，这表明军事领域的事件提取面临独特挑战，需要进一步的研究努力。可从此 https URL 获取我们的代码和数据。
event extractionmilitary textscmnee datasetdata scarcity problemmilitary domain
发现论文，激发创造
  • MEE：一份新颖的多语言事件提取数据集

    提出了一种新的跨语言的事件抽取数据集，称为 MEE，其中注释了 8 种具有不同语言类型的语言中的 50000 多个实体提及、事件触发和事件参数。在此数据集上进行的实验发现多语言事件抽取的挑战和机遇。

    Nov, 2022

  • 用大规模中文标题数据集基准测试开放式事件提取

    本文提供了一个大规模句子级别数据集，对开放式事件抽取进行基准测试，其中包含来自中国网页的 34000 多个新闻标题，为当前事件抽取问题上的高级研究提供了重要的依据。

    Nov, 2022

  • 从多个来源提取事件：走向跨文档事件提取范式

    通过提出跨文档事件抽取（CDEE）任务，综合多个文档中的事件信息，本论文解决了传统文档级事件抽取的局限性，并构建了一个新的信息抽取研究线路。

    Jun, 2024

  • CMNER: 基于社交媒体的中文多模态命名实体识别数据集

    通过从中国最大的社交媒体平台微博获取数据，我们编制了一个包含 5000 个微博帖子和 18326 个对应图片的中文多模态命名实体识别数据集（CMNER）。我们在 CMNER 上进行了基准实验，结果表明将图像与 NER 相结合的有效性。此外，我们还在公开的英文多模态命名实体识别数据集（Twitter2015）上进行了跨语言实验，结果证实了中文和英文多模态 NER 数据可以相互增强 NER 模型的性能。

    Feb, 2024

  • LEVEN: 一个大规模的中文法律事件检测数据集

    LEVEN 数据集是一个包含 108 种事件类型的大规模中国法律事件检测数据集，它不仅涵盖与收费相关的事件，还涵盖重要但在现有 LED 数据集中被忽略的一般事件，该数据集可显着促进 LED 方法的培训和评估，并可作为提高下游应用程序性能的有用附加信息。

    Mar, 2022

  • Doc2EDAG：一个用于中文金融事件抽取的端到端文档级框架

    该研究提出了一种新型的端到端模型 - Doc2EDAG，可以生成一个基于实体的有向无环图，有效地完成文档级事件提取（DEE）任务，并将 DEE 任务重新定义为无触发词设计，以缓解文档级事件标注的负担。

    Apr, 2019

  • CLEVE: 事件抽取对比预训练

    CLEVE 是一种对事件抽取进行对比预训练的框架，可以从大规模无监督数据和自动解析器获得的语义结构中更好地学习事件知识，并在传统的监督学习和无监督的事件抽取中显着提高了性能。

    May, 2021

  • MAVEN-ERE: 一个用于事件指代消解、时间、因果和子事件关系抽取的统一大规模数据集

    本研究构建了一个统一的大规模人工标注事件关系提取数据集 MAVEN-ERE，并改进了标注方案。该数据集包含 103,193 个事件共指链，1,216,217 个时间关系，57,992 个因果关系和 15,841 个子事件关系，是现有所有事件关系提取任务数据集的十倍以上。实验表明，MAVEN-ERE 上的事件关系提取具有相当高的挑战性，联合学习可以提高性能。

    Nov, 2022

  • 推动 100 多种事件类型的事件参数提取的泛化极限

    该研究介绍了一个新的数据集 GENEVA，涵盖了 115 个事件和 187 个参数角色，用于评估不同方面的模型泛化能力，并比较不同模型的相对普适性，最后提出了 SCAD 新模型，其性能优于以前的模型，并为这些测试套件提供强大的基准。

    May, 2022

  • 跨媒体结构化共同空间用于多媒体事件抽取

    该研究提出了一个新的任务 —— 多媒体事件抽取 (M2E2)，旨在从多媒体文档中提取事件及其参数。研究使用弱监督训练策略，建立多媒体事件抽取的基准测试和数据集，并提出了一种新的方法 WASE，可将文本和视觉数据的语义信息编码到共同的嵌入空间中，并取得了较好的效果。

    May, 2020