- 一个关于人类认为的物理和抽象合理性及其来源的数据集
通过从维基百科中提取的自然语句，我们提供了一个新颖的英语事件的物理和抽象合理性的数据集。我们基于不同程度的抽象度生成了扰动的伪不合理事件，并通过众包对一个经过筛选和平衡的子集进行合理性注释，进行了广泛的净化以确保注释质量。深入的定量分析表明 - 重新定义时间数据中的事件类型和群体演变
通过引入 “原型” 和 “方面空间” 的概念，我们的方法能够更丰富、更准确地表征群体动态，尤其适用于存在复杂关系的群体，同时也提供了与动态群体分析相关的常见任务的直观解决方案。
- 通过行人几何尺寸的变化检测人群中的事件
通过分析视频中人群的几何特征、个性和情感，探讨事件检测与人群行为的相关性，并介绍了一种基于 GeoMind 软件的方法，可以自动检测和模拟人群中发生的事件。
- 学习视差用于双目基于事件的运动去模糊
我们提出了一种新的粗细网络框架（名为 St-EDNet），通过事件和强度相机的立体事件和强度图像，直接从不对齐的输入中恢复高质量图像，实现对运动模糊的补充和重建。
- 情绪角色标注与基于评价的情绪分析的连接
情感分析涵盖了各种自然语言处理任务，其共同目标是使计算机能够理解情感。本文综合了 SEAT 和 CEAT 项目的研究结果，并指出了开放性研究问题。
- 大规模童话性别偏见的道德和事件审视
通过计算分析寓言故事，我们发现其中存在性别歧视，男性角色人数为女性的两倍，男性角色更与公正和权威等道德属性有关，而女性角色更与关怀、忠诚和圣洁等道德属性有关，并且女性角色的事件通常与情感、外貌和家务等有关，而男性角色的事件更多涉及职业、暴力 - NECE：叙事事件链提取工具
NECE 工具包是一款自动提取和对齐时间排序的叙事事件工具，具有人工校对验证和应用潜力，可用于问题回答和偏见分析。
- EMNLP通过情境化言语处理理解政治
本研究利用组合式阅读器模型对具有不同事件的多篇文档进行分析，以捕获并利用政治实体对特定事件所持的内在议程，从而形成多个实体、问题或事件的有效表征，通过定量和定性分析表明该模型是有意义和有效的。
- AAAI故事实现：将情节事件扩展为句子
使用基于神经网络的合奏模型生成事件导向的自动故事情节，比基线方法生成的故事更连贯和可信。
- MM以行动为中心的信息检索
本文介绍利用基于行动的语言描述，自动化解决一些需要考虑文档文本隐含、不确定的影响和副作用的信息检索任务。
- ACL文档上下文中实体和事件的联合提取
本文提出了一个新的方法来建立事件、实体及它们关系变量之间的依赖关系，并在文档级别上执行联合推理，以使上下文的信息得到充分利用，实现上下文感知式的预测，并证明其大幅优于现有的事件提取和实体提取方法以及强基线。
- MM从文本文档中检测和提取事件
本文探讨了如何从文本中挖掘事件和附带信息，主要应用了机器学习技术进行事件检测和摘要，并讨论了在医学和 Twitter 上运用的应用和未来挑战
- CVPR在视频中的句子引导下的活动识别
该研究通过引入由语法指导的多模事件识别框架，进一步探讨了事件的构成结构与语言的构成结构如何相互影响，以及这种影响如何影响视觉行为识别，包括指导注意力、产生句子描述和查询视频等三个方面。
- 事件同步：一种测量同步性和时间延迟模式的简单快速方法
提出了一种简单的方法来测量信号之间的同步和时间延迟模式，基于时间序列中事件的相对时序定义，算法适用于其他类型的数据，如 EEG 信号，可以用于癫痫病灶检测和癫痫预测。