Inflo: News Categorization and Keyphrase Extraction for Implementation in an Aggregation System
Hong Kong University of Science and Technology（香港科技大学）
本文的工作描述了一种用于自动新闻类别和关键短语标记的系统，在我们的动机的上下文中呈现，以提高用户可以在聚合平台内找到相关和有趣的内容的速度。将一组12个离散类别应用于超过50万篇新闻文章，以训练神经网络，用于促进提取最重要关键词的更深入任务。后者使用三种方法：统计，图形和数字，使用预先确定的类别标签，以提高提取的短语的相关性。结果在演示中呈现，其中文章通过News API预先填充，并且在被选择时，类别和关键词标签将通过本文解释的方法计算。
2018-12-10 cs.CL cs.IR
Key Phrase Extraction of Lightly Filtered Broadcast News
LTI/CMU（语言技术研究所/卡内基梅隆大学）；L2F - INESC ID Lisboa（口语实验室 - 里斯本高等工程系统与计算机研究所）；Instituto Universitário de Lisboa (ISCTE-IUL)（里斯本大学学院（ISCTE-IUL））；Instituto Superior Técnico - Universidade Técnica de Lisboa（里斯本技术大学高等理工学院）
本文探讨了光过滤对应用于广播新闻（BN）的自动关键短语提取（AKE）的影响。关键短语是最能表征文档内容的单词和表达。关键短语通常用于索引文档或作为进一步处理中的特征。这使得AKE准确性的提高尤为重要。我们假设从文档中过滤掉边缘相关的句子会提高AKE的准确性。我们的实验证实了这一假设。删除10%的文档句子，AKE的准确率和召回率提高了2%。AKE是建立在遵循监督学习方法的MAUI工具包之上的。我们在由8个BN程序组成的黄金标准上训练和测试了我们的AKE方法，其中包含110个手动注释的新闻故事。这些实验是在电视和广播新闻/节目的多媒体监控解决方案（MMS）系统中进行的，该系统每天运行，并监控12个电视频道和4个广播频道。
2013-06-20 cs.CL cs.IR
Neural News Recommendation with Event Extraction
School of Information Management and Engineering, Shanghai University of Finance and Economics（上海财经大学信息管理与工程学院）
在线新闻推荐的一个关键挑战是帮助用户找到他们感兴趣的文章。传统的新闻推荐方法通常使用单一的新闻信息，这不足以对新闻和用户表示进行编码。最近的研究使用多渠道新闻信息，例如，标题、类别和正文，以增强新闻和用户代表性。然而，这些方法只使用各种注意力机制来融合多视图嵌入，而没有考虑深入挖掘上下文中包含的更高级别的信息。这些方法在单词级别上对新闻内容进行编码，并联合训练推荐网络中的注意力参数，导致需要更多的语料库来训练模型。我们提出了一个基于事件抽取的新闻推荐（EENR）框架，以克服这些缺点，利用事件抽取抽象更高层次的信息。EENR还使用两阶段策略来减少推荐网络后续部分的参数。我们在第一阶段使用外部语料训练事件抽取模块，并在第二阶段将训练好的模型应用于新闻推荐数据集以预测事件级信息，包括事件类型、角色和论点。然后，我们融合多个渠道的信息，包括事件信息，新闻标题，和类别，编码的新闻和用户。在真实数据集上的大量实验表明，我们的EENR方法可以有效地提高新闻推荐的性能。最后，我们还探讨了用更高抽象层次的信息来替代新闻正文内容的合理性。
2021-12-17 cs.AI cs.CL cs.IR
Neon: News Entity-Interaction Extraction for Enhanced Question Answering
Max Planck Institute for Informatics（马克斯·普朗克信息学研究所）；Microsoft Research（微软研究院）
NEON框架通过从新闻中抽取新兴实体交互并构建带时间戳的实体中心知识图谱，将开放信息抽取元组集成到LLMs中实现上下文检索增强生成，从而显著提升时间敏感的实体问答性能。
2024-11-20 cs.CL cs.IR
Multi-Record Web Page Information Extraction From News Websites
Ivannikov Institute for System Programming of the Russian Academy of Sciences（俄罗斯科学院伊万尼科夫系统编程研究所）；Lomonosov Moscow State University（罗蒙诺索夫莫斯科国立大学）
针对新闻网站多记录列表页研究不足的问题，本文构建含13,120个网页的俄语大规模数据集，并提出基于MarkupLM的多阶段抽取方法。
2025-02-20 cs.CL cs.IR
Stock Prediction: a method based on extraction of news features and recurrent neural networks
Peking University（北京大学）
提出了一种股票预测方法。在特征提取方面，我们提取了股票相关新闻的除股价外的特征。我们首先根据经验选取了一些种子词，它们分别代表好消息和坏消息。然后我们提出了一种优化方法，并计算所有的词的正极。在此基础上，我们根据新闻话语的积极极性来构建新闻的特征。考虑到连续性新闻效应和连续性股票价格，我们提出了一个递归神经网络模型来帮助预测股票价格。实验结果表明，与基于价格特征的SVM分类器相比，该方法在股票预测准确率上提高了5%以上。
2017-07-19 cs.CL cs.IR cs.LG
An Annotated Commodity News Corpus for Event Extraction
Monash University（莫纳什大学）
商品新闻包含了丰富的信息，如最近的商品价格走势和导致运动的显着事件的摘要。通过事件抽取，从商品新闻中提取出有用的信息，挖掘事件与商品价格走势之间的因果关系，可以用于商品价格预测。为了方便今后的研究，我们引入了一个新的数据集，其中包含以下信息：（i）实体（包括命名和命名），（ii）事件（触发词和论元角色），（iii）事件元数据：模态、极性和强度，（iv）事件-事件关系。
2021-08-25 cs.CL
Satirical News Detection with Semantic Feature Extraction and Game-theoretic Rough Sets
Department of Computer Science, University of Regina（里贾纳大学计算机科学系）
针对推文类讽刺新闻检测缺乏语义特征、二元分类难适配讽刺模糊性的问题，提出基于短语、实体及主从句不一致性的语义特征提取方法，结合博弈论粗糙集模型（通过博弈均衡与重复学习确定概率阈值），在自建数据集上性能优于帕夫拉克粗糙集模型和SVM。
2020-04-08 cs.AI cs.CL cs.IR
Who Blames or Endorses Whom? Entity-to-Entity Directed Sentiment Extraction in News Text
Soongsil University（崇实大学）；UCLA（加州大学洛杉矶分校）
理解新闻文本中谁在指责谁或支持谁是计算社会科学的一个重要研究问题。然而，用于情感分析的传统方法和数据集不适合政治文本领域，因为它们不考虑实体之间表达的情感的方向。在本文中，我们提出了一种新的NLP任务，从给定的新闻文档中识别政治实体之间的定向情感关系，我们称之为定向情感提取。从一个百万级的新闻语料库中，我们构建了一个数据集的新闻句子中的情感关系的政治实体手动注释。我们提出了一种简单但有效的方法来利用预训练的Transformer，它通过预测多个问答任务并结合结果来推断目标类。我们通过分析2016年美国总统大选和COVID-19这两个重大事件中政治实体之间的正面和负面意见，展示了我们提出的方法在社会科学研究问题中的实用性。新提出的问题，数据和方法将促进跨学科的NLP方法和应用的未来研究。
2021-06-22 cs.CL cs.CY cs.IR
Supervised Topical Key Phrase Extraction of News Stories using Crowdsourcing, Light Filtering and Co-reference Normalization
CMU（卡内基梅隆大学）；INESC-IST
快速有效的自动索引对于搜索和个性化服务至关重要。由一个或多个单词组成并代表文档主要概念的关键短语通常用于索引目的。在本文中，我们研究使用额外的语义特征和预处理步骤，以提高自动关键短语提取。这些功能包括使用信号词和自由基类别。这些功能中的一些导致结果的准确性显着提高。我们还尝试了两种形式的文档预处理，我们称之为光过滤和共指规范化。轻度过滤从文档中删除句子，这些句子被认为是其主要内容的外围。共指规范化将同一命名实体的几种书面形式统一为一种唯一的形式。我们还需要一个“黄金标准”--一组用于训练和评估的标记文档。虽然关键短语选择的主观性排除了真正的“黄金标准”，但我们使用亚马逊的Mechanical Turk服务来获得有用的近似值。我们的数据表明，性能的最大改进是由于浅语义特征，新闻类别和修辞信号（nDCG 78.47%对68.93%）。包含更深层次的语义特征（如Freebase子类别）本身并没有好处，但与预处理相结合，确实使nDCG评分略有改善。
2013-06-20 cs.CL cs.IR
CMNIE: An Information Extraction Benchmark for Chinese Military News
Laboratory for Big Data and Decision, National University of Defense Technology（国防科技大学大数据与决策实验室）
CMNIE是面向中文军事新闻的联合信息抽取基准，含13,000实例，标注事件、参数、实体和关系，评估显示关系抽取和精确跨度匹配仍具挑战性。
2026-09-11 cs.CL
NewsScope: Schema-Grounded Cross-Domain News Claim Extraction with Open Models
Pace University（帕克大学）
NewsScope通过开放模型实现基于模式的跨领域新闻声明提取，展现优于GPT-4o-mini的准确性和泛化能力。
2025-12-26 cs.CL
FrameFinder: Explorative Multi-Perspective Framing Extraction from News Headlines
TU Graz（格拉茨工业大学）；University of Graz（格拉茨大学）
本文提出FrameFinder，一个从新闻标题中提取并多视角可视化分析框架的开放工具，并通过枪支暴力语料库验证其支持社会科学研究的价值。
2023-12-14 cs.AI cs.CL cs.IR
Journal Name Extraction from Japanese Scientific News Articles
Toyohashi University of Technology（丰桥技术科学大学）
在日本的科学新闻文章中，虽然对研究结果进行了明确的描述，但文章的来源往往是不被引用的。这使得读者很难了解研究的细节。在本文中，我们解决的任务，从日本的科学新闻文章中提取期刊名称。我们假设，一个期刊名称很可能出现在一个特定的上下文中。为了支持这一假设，我们构建了一个基于字符的方法，并使用该方法提取期刊名称。此方法仅使用日志名称的左右上下文特征。期刊名称提取的结果表明，分布假设在识别期刊名称中起着重要的作用。
2019-06-11 cs.CL
DirectQuote: A Dataset for Direct Quotation Extraction and Attribution in News Articles
Tsinghua University（清华大学）；Institute for AI Industry Research, Tsinghua University（清华大学人工智能产业研究院）；Institute for Artificial Intelligence, Tsinghua University（清华大学人工智能研究院）；Beijing Academy of Artificial Intelligence（北京人工智能研究院）
引文提取和归因是一项具有挑战性的任务，旨在确定包含引文的跨度并将每个引文归因于原始说话者。将这一任务应用于新闻数据与事实核查、媒体监测和新闻跟踪密切相关。直接引语具有较强的可追溯性和信息性，在不同类型的引语中具有重要意义。因此，本文介绍了DirectQuote，一个包含19，760段和10，279个直接引用的语料库，人工标注的在线新闻媒体。据我们所知，这是最大和最完整的语料库，专注于直接引用新闻语篇。我们确保注释中的每个发言者都可以链接到维基数据上的特定命名实体，从而使各种下游任务受益。此外，我们首次提出了几个序列标签模型作为基线方法，以端到端的方式同时提取和属性报价。
2021-10-15 cs.CL
Wolfies at SemEval-2022 Task 8: Feature extraction pipeline with transformers for Multi-lingual news article similarity
Stony Brook University（石溪大学）
这项工作是关于找到一对新闻文章之间的相似性。在数据集中为每一对提供了七种不同的客观相似性度量，并且新闻文章采用多种不同的语言。在预训练的嵌入模型之上，我们计算基线结果的余弦相似度，然后在其上训练前馈神经网络以改善结果。我们还为特征提取的每个相似性度量构建了单独的管道。我们可以看到使用特征提取和前馈神经网络的基线结果的显着改善。
2023-02-06 cs.AI cs.CL
PerKey: A Persian News Corpus for Keyphrase Extraction and Generation
Sharif University of Technology（沙里夫理工大学）；ICT Research Institute（信息通信技术研究院）
关键词提供了文本的极其密集的摘要。这些信息可以用于许多自然语言处理任务，例如信息检索和文本摘要。由于以前对波斯语关键词或关键短语提取的研究没有公布他们的数据，该领域缺乏人类提取的关键短语数据集。在本文中，我们介绍PerKey，一个语料库的553k新闻文章从六个波斯语新闻网站和机构相对高质量的作者提取的关键词，然后过滤和清洗，以实现更高质量的关键词。将得到的数据进行人工评估，以确保关键词的质量。我们还使用精确度，召回率和F1分数测量了不同监督和无监督技术的性能，例如TFIDF，MultipartiteRank，KEA等。
2020-09-25 cs.CL
CrudeOilNews: An Annotated Crude Oil News Corpus for Event Extraction
Monash University Malaysia Campus（莫纳什大学马来西亚校区）
在本文中，我们提出了原油新闻，英语原油新闻语料库的事件提取。这是Commodity News的第一个此类网站，有助于为经济和金融文本挖掘建立资源。本文描述了语料库的数据汇集过程、注释方法和事件类型学。首先，人工标注175篇新闻文章的种子集，其中25篇新闻的子集被用作注释者间和系统评估的裁定参考测试集。协议一般是实质性的和注释器的性能是足够的，这表明注释方案产生一致的事件注释的高质量。随后，通过（1）数据增强和（2）人在回路主动学习来扩展数据集。由此产生的语料库有425篇新闻文章，约11k事件注释。作为主动学习过程的一部分，语料库被用来训练基本的事件提取模型的机器标记，所产生的模型也作为一个验证或作为试点研究，展示了使用的语料库在机器学习的目的。注释的语料库可在https://github.com/meisin/CrudeOilNews-Corpus上用于学术研究目的。
2022-04-08 cs.CL
Toward Selectivity Based Keyword Extraction for Croatian News
University of Rijeka（里耶卡大学）
克罗地亚语基于网络的关键词提取的初步报告是一种从复杂网络中提取关键词的无监督方法。我们建立了一个新的网络测量节点的选择性，基于图的中心性方法的研究的动机，我们的方法。节点选择性被定义为单个节点的链路上的平均权重分布。我们根据选择性值提取节点（关键字候选）。此外，我们扩展提取的节点，以字元组排名最高的进/出选择性值。基于选择性的抽取不需要语言学知识，而纯粹是从源文本中包含的统计和结构信息中得到的，这些信息反映在网络的结构中。在手动注释的关键字上评估获得的集合：对于提取的关键字候选集合，平均F1分数为24，63%，平均F2分数为21，19%;对于提取的单词元组候选，平均F1分数为25，9%，平均F2分数为24，47%。
2014-07-17 cs.CL cs.IR cs.SI
Information Extraction from Broadcast News
本文讨论了从电视和广播新闻广播中提取内容的可训练统计模型的发展。特别是，我们专注于统计有限状态模型，用于识别广播语音中的专有名称和其他命名实体。提出了两种模型：第一个将名称类信息表示为字属性;第二个显式地表示字-字和类-类转换。一个共同的n-gram为基础的配方用于这两个模型。命名实体识别的任务的特点是相对稀疏的训练数据和平滑相关的问题进行了讨论。实验报告使用DARPA/NIST Hub-4 E评估北美广播新闻。
2000-03-30 cs.CL
Effective Use of Graph Convolution Network and Contextual Sub-Tree forCommodity News Event Extraction
Monash University（蒙纳士大学）
与一般事件提取相比，商品新闻中的事件提取是一个研究较少的领域。然而，从商品新闻中准确提取事件在广泛的应用中是有用的，例如理解事件链和学习事件-事件关系，然后可以用于商品价格预测。商品新闻中的事件表现出不同于一般事件的特征，因此使用现有方法对事件提取提出了独特的挑战。本文提出了一种有效的使用图卷积网络（GCN）与修剪依赖分析树，称为上下文子树，更好地提取商品新闻中的事件。事件提取模型使用ComBERT的特征嵌入进行训练，ComBERT是一种基于BERT的掩蔽语言模型，通过对商品新闻语料库进行领域自适应预训练而产生。实验结果表明，所提出的解决方案，它优于现有的方法与F1分数高达0.90的效率。此外，我们的预训练语言模型在参数角色分类方面比GloVe高出23%，比BERT和RoBERTa高出7%。为了实现可重复生产的目标，代码和训练的模型是公开的1。
2021-09-27 cs.AI cs.CL
Feature Extraction of Text for Deep Learning Algorithms: Application on Fake News Detection
Soongsil University（崇实大学）
特征提取是机器学习和深度学习的一个重要过程，因为该过程使算法运行得更有效、更准确。在自然语言处理中，用于虚假新闻检测等欺骗检测的方法中，已经引入了几种统计方面的特征提取方法（例如N-gram）。在这项研究中，它将被证明，通过使用深度学习算法和字母频率的原始文本的新闻没有任何信息的顺序的字母表实际上可以用来分类假新闻和可信的高精度（85\%）。由于这种预处理方法使数据非常紧凑，但也包括分类器所需的特征，因此字母频率似乎包含一些有用的特征，用于理解原始文本的复杂上下文或含义。
2020-11-03 cs.CL stat.ML
Quootstrap: Scalable Unsupervised Extraction of Quotation-Speaker Pairs from Large News Corpora via Bootstrapping
EPFL（洛桑联邦理工学院 (EPFL)）
我们提出了Quootstrap，一种提取报价的方法，以及说出他们的发言者的名字，从大型新闻语料库。虽然以前的工作主要是用监督机器学习来解决这个问题，但我们的方法遵循完全无监督的自举范式。它利用了大型新闻语料库中存在的冗余，更准确地说，事实上，相同的引用经常出现在多篇新闻文章中，上下文中略有不同。从几个种子模式开始，例如[“Q”，S说]，我们的方法提取一组引文-说话人对（Q，S），其依次用于发现表达相同引文的新模式;然后用较大的模式集重复该过程。我们的算法是高度可扩展的，我们通过在大型ICWSM 2011 Spinn 3r语料库上运行它来证明这一点。验证我们的结果与众包的地面真相，我们获得了90%的准确率在40%的召回使用一个单一的种子模式，具有显着更高的召回值更频繁地报告（因此可能更有趣）的报价。最后，我们展示了我们的算法的输出计算社会科学的有用性，通过分析我们提取的报价中表达的情绪。
2018-04-07 cs.CL cs.IR cs.SI
Automatic Detection of Satire in Bangla Documents: A CNN Approach Based on Hybrid Feature Extraction Model
Shahjalal University of Science & Technology（沙赫贾拉尔科技大学）
讽刺新闻在网络社区中的广泛传播是一种持续的趋势。讽刺的本质是如此的模棱两可，有时甚至连人类都很难理解它是否真的是讽刺。因此，对这一领域的研究兴趣越来越大。本研究的目的是检测孟加拉国讽刺新闻在在线新闻门户网站以及社交媒体上的传播。在本文中，我们提出了一种混合技术，从文本文档中提取特征结合Word2Vec和TF-IDF。使用我们提出的特征提取技术，与标准的CNN架构，我们可以检测是否孟加拉语文本文档是讽刺或没有超过96%的准确率。
2019-11-19 cs.CL cs.IR cs.LG
CienaLLM: Generative Climate-Impact Extraction from News Articles with Autoregressive LLMs
Worcester Polytechnic Institute（沃斯特理工学院）；Aragon Institute of Engineering Research（阿拉贡工程研究院）；Pyrenean Institute of Ecology (IPE-CSIC)（比利牛斯生态研究院（IPE-CSIC））
CienaLLM通过自回归大语言模型实现大规模新闻文章中气候影响信息的提取，提供高精度且高效的零样本信息提取方案。
2025-12-22 cs.CL
What if we had no Wikipedia? Domain-independent Term Extraction from a Large News Corpus
IBM Research AI（IBM人工智能研究院）
在过去的二十年里，人类最令人印象深刻的努力之一就是以自由和可访问的格式收集和分类人类知识，这就是维基百科。在这项工作中，我们问是什么让一个术语值得进入这个知识的殿堂，并在维基百科中拥有自己的页面？这在多大程度上是人类持续对话和讨论的自然产物，而不是维基百科编辑的特殊选择？具体来说，我们的目标是在一个庞大的新闻语料库中识别这样的“维基值得”的术语，并看看这是否可以在不依赖或最小依赖于实际维基百科条目的情况下完成。为此，我们建议采用五步流程，提供所有五个步骤的基线结果，以及用于基准测试的相关数据集。我们的工作揭示了新的领域特定的自动术语提取问题，与手头的问题是一个域独立的变体。
2020-09-17 cs.CL
CMNEE: A Large-Scale Document-Level Event Extraction Dataset based on Open-Source Chinese Military News
National University of Defense Technology（国防科技大学）；Southeast University（东南大学）；Tsinghua University（清华大学）
针对军事文本事件抽取的数据稀缺问题，提出大规模文档级中文军事新闻事件抽取数据集CMNEE，含17,000文档和29,223事件，实验表明该领域任务更具挑战性。
2024-04-18 cs.CL
Relation Extraction from News Articles (RENA): A Tool for Epidemic Surveillance
Kirby Institute, University of New South Wales（新南威尔士大学柯比研究所）；School of Computer Science & Engineering, University of New South Wales（新南威尔士大学计算机科学与工程学院）；School of Civil and Environmental Engineering, University of New South Wales（新南威尔士大学土木与环境工程学院）；William Harvey Research Institute, Queen Mary University of London（伦敦玛丽女王大学威廉·哈维研究所）；School of Medicine, University of Western Australia（西澳大学医学院）
本研究提出了一款基于浏览器的疫情监测工具RENA，采用React框架构建，支持用户输入新闻并选择两种模型抽取实体语义关系，可为EPIWATCH开源疫情预警系统提供实时信息抽取支持。
2023-10-31 cs.AI cs.CL
RuOpinionNE-2024: Extraction of Opinion Tuples from Russian News Texts
Lomonosov Moscow State University（莫斯科国立罗蒙诺索夫大学）；Bauman Moscow State Technical University（鲍曼莫斯科国立技术大学）
本文提出RuOpinionNE-2024共享任务，从俄语新闻中提取由情感持有者、目标、表达和情感构成的观点元组，并通过微调大语言模型取得最佳效果。
2025-04-09 cs.CL
Planned Event Forecasting using Future Mentions and Related Entity Extraction in News Articles
针对印度等民主国家未经许可的内乱事件预测需求，提出利用主题建模、word2vec过滤相关新闻文章，结合命名实体识别（NER）提取相关实体的方法，开发地理独立的通用模型以提前预测计划事件。
2025-11-11 cs.CL
news-crawler-LM: A Small Long-Context Model For High-Quality News Crawling
Humboldt-Universität zu Berlin（柏林洪堡大学）
研究旨在解决新闻页面结构化内容提取难题，提出基于眼底新闻爬虫库微调的小型长上下文语言模型news-crawler-LM，能将HTML转换为文本和JSON，在HTML到Markdown和JSON提取任务中性能出色，且向研究社区发布了所有模型和工件。
2026-07-24 cs.CL
From Text to Context: An Entailment Approach for News Stakeholder Classification
IIT KHARAGPUR（印度理工学院克勒格布尔分校）
针对新闻内容中利益相关者角色自动检测研究不足的问题，本文提出将分类任务转化为自然语言推理任务，结合语境与外部知识提升检测准确率，且模型在零样本场景下有效，可适配多样新闻语境。
2024-05-14 cs.CL cs.IR
Evaluating the Ability of Computationally Extracted Narrative Maps to Encode Media Framing
Universidad Católica del Norte（北天主教大学）
本文评估叙事地图方法从新闻数据中编码媒体框架的能力，发现其能捕获框架分布，但跨不同起止事件实现一致框架仍具挑战，表明直接利用框架信息进行叙事提取仍是开放问题。
2024-05-04 cs.CL cs.IR
Extracting Space Situational Awareness Events from News Text
University of Arizona（亚利桑那大学）；University of Texas at Austin（德克萨斯大学奥斯汀分校）
空间态势感知通常利用雷达、望远镜和其他资产的物理测量来监视卫星和其他航天器，以用于操作、导航和防御目的。在这项工作中，我们探讨使用文本输入的空间态势感知任务。我们构建了一个包含2009年至2020年间所有已知活动卫星的48.5k新闻文章的语料库。使用一个基于依赖规则的提取系统，旨在针对三个高影响力的事件-航天器发射，故障和退役，我们确定了1,787个空间事件句子，然后由人类用15.9k标签为事件槽进行注释。我们凭经验证明，最先进的神经提取系统在这个低资源，高影响力的领域中实现了每个插槽53到91之间的事件提取的整体F1。
2022-01-15 cs.CL
Beyond Sentiment: Structured Information Extraction from Financial News
School of ASEE, Beihang University（北京航空航天大学ASEE学院）；School of BME, Beihang University（北京航空航天大学生物医学工程学院）；CAIR and CECS, VinUniversity（VinUniversity CAIR与CECS机构）
该研究针对金融情感分析仅压缩新闻为单一极性评分的局限，提出用LLaMA-3.1-70B提取金融新闻的结构化语义特征，结合情感与结构化特征可提升股票预测性能，为多维金融NLP开辟新方向。
2026-07-31 cs.CL
Forecasting Crude Oil Price Using Event Extraction
Shanghai University of Finance and Economics（上海财经大学）
由于原油价格预测对全球经济的重要影响，其研究受到了学者和决策者的极大关注。除了供求关系外，原油价格在很大程度上还受到经济发展、金融市场、冲突、战争和政治事件等各种因素的影响。大多数以前的研究把原油价格预测作为一个时间序列或计量经济变量预测问题。虽然近年来有研究考虑到实时新闻事件的影响，但这些工作主要是使用原始的新闻标题或主题模型来提取文本特征，而没有深入探讨事件信息。在这项研究中，一个新的原油价格预测框架，AGESL，提出了处理这个问题。在我们的方法中，一个开放的领域事件提取算法被用来提取潜在的相关事件，和文本情感分析算法被用来提取情感从海量新闻。在此基础上，构建了一个综合新闻事件特征、情感特征和历史价格特征的深度神经网络，对未来原油价格进行预测。在西德克萨斯中质油（WTI）原油价格数据上进行了实证实验，结果表明，与几种基准方法相比，该方法具有更好的性能。
2021-11-14 cs.AI cs.CL cs.LG
Open-domain Event Extraction and Embedding for Natural Gas Market Prediction
University of Bonn（波恩大学）；Farfetch（Farfetch公司）；Fraunhofer IAIS（弗劳恩霍夫智能分析与信息系统研究所）
我们提出了一种方法来预测天然气价格在几天内使用历史价格数据和事件提取的新闻标题。大多数以前的方法将价格视为可外推的时间序列，那些分析价格和新闻之间关系的方法要么将价格数据相应地修剪到公共新闻数据集，手动注释标题或使用现成的工具。与现成的工具相比，我们的事件提取方法不仅可以检测到现象的发生，还可以检测到公共来源的属性和特征的变化。我们没有使用句子嵌入作为特征，而是使用提取事件的每个单词，在输入学习模型之前对其进行编码和组织。实证结果表明，有利的结果，在预测性能，节省资金和可扩展性。
2019-12-08 cs.CL
Flood Event Extraction from News Media to Support Satellite-Based Flood Insurance
Columbia University in the City of New York（哥伦比亚大学）；International Research Institute for Climate and Society, Columbia University in the City of New York（哥伦比亚大学国际气候与社会研究所）；Lamont-Doherty Earth Observatory, Columbia University in the City of New York（哥伦比亚大学拉蒙特-多尔蒂地球观测站）；University of Brescia（布雷西亚大学）；Vrije Universiteit Amsterdam（阿姆斯特丹自由大学）
本研究提出利用新闻媒体提取高分辨率时空信息以支持基于卫星的洪水指数保险，发布4万篇新闻文章数据集，并证明上下文分类器优于关键词模型，新闻时间序列与卫星淹没面积相关性达0.70。
2023-12-05 cs.CL cs.IR cs.LG
Research on Information Extraction of LCSTS Dataset Based on an Improved BERTSum-LSTM Model
College of Information Science and Technology, Donghua University（东华大学信息科学与技术学院）；College of Physics, Donghua University（东华大学物理学院）；Glorious Sun School of Business & Management, Donghua University（东华大学旭日工商管理学院）；College of Medical Technology, Shanghai University of Medicine & Health Sciences（上海健康医学院医学技术学院）；College of Information Sciences and Technology, Donghua University（东华大学信息科学与技术学院）
针对中文新闻摘要生成中的语义复杂与分词难题，本文改进BERTSum-LSTM模型用于LCSTS数据集信息抽取，实验证明其生成摘要效果良好，对新闻摘要构建有重要意义。
2024-06-26 cs.AI cs.CL
Multi-document Summarization using Semantic Role Labeling and Semantic Graph for Indonesian News Article
School of Electrical Engineering and Informatics（电气工程与信息学院）；Bandung Institute of Technology（万隆理工学院）
在本文中，我们提出了一个多文档摘要系统使用语义角色标注（SRL）和语义图的印尼新闻文章。为了改进现有的摘要器，我们的系统修改的摘要器，采用主语，谓语，宾语和状语（SVOA）提取谓词论元结构（PAS）提取。印度尼西亚语的SVOA提取被SRL模型取代。我们还取代了遗传算法，以确定与决策树分类器的重要PAS，因为没有遗传算法的汇总器，给更好的性能。采用决策树模型识别重要PAS。具有10个特征的决策树模型比具有4个句子特征的决策树模型具有更好的性能。实验和评估进行生成100字的摘要和200字的摘要。实验结果表明，该模型在100字摘要中的平均ROUGE-2召回率为0.313，在200字摘要中的平均ROUGE-2召回率为0.394。
2021-03-05 cs.CL
Malaysian English News Decoded: A Linguistic Resource for Named Entity and Relation Extraction
针对马来西亚英语与标准英语的差异导致NLP任务困难的问题，构建了包含200篇新闻的MEN数据集，手动标注实体和关系，并通过微调spaCy NER工具验证了定制数据集能显著提升NER性能。
2026-05-30 cs.CL
Constructing and Interpreting Causal Knowledge Graphs from News
Institute of Data Science, National University of Singapore（新加坡国立大学数据科学学院）；Panasonic Industrial Devices Singapore（松下工业器件（新加坡））
本文提出一种结合基于BERT的模型与模式匹配从新闻中提取因果关系，并利用主题建模进行论元聚类以构建高连通性因果知识图谱的方法，有效提升了召回率、精确率与可解释性。
2023-07-30 cs.CL
Automated Extraction of Socio-political Events from News (AESPEN): Workshop and Shared Task Report
European Commission Joint Research Centre（欧盟委员会联合研究中心）
我们描述了我们在语言资源和评估会议（LREC 2020）上组织的研讨会和共享任务范围内从新闻中自动提取社会政治事件的努力。我们认为，在计算语言学和社会和政治科学的事件提取研究应该进一步相互支持，以使大规模的跨源，国家和语言的社会政治事件信息收集。该活动包括定期的研究论文和一个共享的任务，这是关于事件句共指识别（ESCI），跟踪。所有提交的文件都由项目委员会的五名成员审查。研讨会吸引了与评价机器学习方法、语言资源、材料冲突预测有关的研究论文，以及社会政治事件信息收集范围内的共同任务参与报告。它向我们展示了与社会政治事件相关的数据源和事件信息收集方法的数量和种类，以及填补自动化文本处理技术与社会和政治科学要求之间差距的必要性。
2020-05-12 cs.CL cs.CY cs.LG
Graph-based Topic Extraction from Vector Embeddings of Text Documents: Application to a Corpus of News Articles
Imperial College London（帝国理工学院）
新闻内容的生产正在以惊人的速度增长。为了帮助管理和监测大量的文本，越来越需要开发有效的方法，以便深入了解新兴的内容领域，并将非结构化的文本语料库分层为本质上源于内容相似性的“主题”。在这里，我们提出了一个无监督的框架，汇集了强大的矢量嵌入从自然语言处理与工具，从多尺度图分区，可以揭示自然分区在不同的分辨率，而无需作出先验假设的集群在语料库中的数量。我们通过与其他流行的聚类和主题建模方法的端到端比较，展示了基于图的聚类的优势，并评估了不同的文本向量嵌入，从经典的词袋到Doc2Vec，再到最近的基于Transformers的模型BERT。这项比较工作是通过对2016年总统大选期间美国新闻报道语料库的分析来展示的。
2020-10-28 cs.AI cs.CL cs.LG
MuMuQA: Multimedia Multi-Hop News Question Answering via Cross-Media Knowledge Extraction and Grounding
University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Tsinghua University（清华大学）；Columbia University（哥伦比亚大学）；University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校）；Virginia Tech（弗吉尼亚理工学院暨州立大学）；IBM Research AI（IBM研究院人工智能部门）
最近，人们对构建跨文本和图像等多种模态进行推理的问答（QA）模型越来越感兴趣。然而，使用图像的QA通常仅限于从一组预定义的选项中选择答案。此外，现实世界中的图像，特别是新闻中的图像，具有与文本共指的对象，具有来自两种模态的互补信息。在本文中，我们提出了一个新的QA评估基准，其中包含1，384个关于新闻文章的问题，这些文章需要将图像中的对象跨媒体接地到文本中。具体来说，该任务涉及多跳问题，需要对图像-标题对进行推理，以识别所引用的基础视觉对象，然后从新闻正文文本中预测跨度来回答问题。此外，我们引入了一种新的多媒体数据增强框架，基于跨媒体知识提取和综合问答生成，自动增强数据，可以提供弱监督这项任务。我们在我们的基准测试中评估了基于流水线和基于端到端预训练的多媒体QA模型，并表明它们实现了有希望的性能，同时大大落后于人类的性能，因此为未来这项具有挑战性的新任务留下了很大的工作空间。
2022-05-04 cs.CL cs.CV
FrameNet CNL: a Knowledge Representation and Information Extraction Language
Institute of Mathematics and Computer Science, University of Latvia（拉脱维亚大学数学与计算机科学研究所）
提出了一种基于FrameNet的信息抽取和知识表示框架，称为FrameNet-CNL。该框架用于自然语言文档，并表示提取的知识，在一个定制的框架本体，明确的FrameNet-CNL释义文本可以自动生成多种语言。这种方法将信息抽取和CNL领域结合在一起，因为如果信息抽取解析器产生正确的知识表示，则可以认为源文本属于FrameNet-CNL。我们描述了一个国家的最先进的信息抽取解析器使用的国家新闻机构和推测，FrameNet-CNL最终可以塑造自然语言子集用于写新闻专线文章。
2014-06-10 cs.AI cs.CL cs.IR
Giveme5W1H: A Universal System for Extracting Main Events from News Articles
University of Konstanz（康斯坦茨大学）；University of Wuppertal（伍珀塔尔大学）
从新闻文章中提取事件是各种任务（如文章摘要、文章聚类和新闻聚合）的普遍要求的先决条件。由于缺乏普遍适用的和公开可用的方法来定制的新闻数据集，许多研究人员冗余地实现事件提取方法为自己的项目。新闻5W1H问题能够描述文章的主要事件，即，通过回答谁做了什么，何时，何地，为什么，以及如何。我们提供了一个深入的描述Giveme5W1H，一个系统，使用语法和特定领域的规则，自动提取相关的短语，从英语新闻文章，这些5W1H问题的答案的改进版本。给定这些问题的答案，系统确定文章的主要事件。在一项由三名评估员和120篇文章组成的专家评估中，我们确定了回答前四个W问题的总体精度为p=0.73，p=0.82，仅这一点就足以概括新闻文章中报道的主要事件。我们最近公开了我们的系统，它仍然是唯一一个能够应用于新闻分析中各种用例的通用开源5W1H提取器。
2019-09-06 cs.CL
Automating Historical Insight Extraction from Large-Scale Newspaper Archives via Neural Topic Modeling
Department of Computer Science , University of Luxembourg , 2, place de l’Université , 4365 , Esch-Belval Esch-sur-Alzette , Luxembourg；Centre for Contemporary \& Digital History (C 2 DH) , University of Luxembourg , 11 Porte des Sciences , 4366 , Esch-Belval Esch-sur-Alzette , Luxembourg
本研究利用BERTopic模型从1955至2018年的新闻档案中提取核能与核安全相关的主题，分析其时间演变，揭示公众 discourse 的长期趋势与变化。
2025-12-12 cs.AI cs.CL cs.IR
5W1H Extraction With Large Language Models
College of Computer Science and Technology, Nanjing University of Aeronautics and Astronautics（南京航空航天大学计算机科学与技术学院）；MIIT Key Laboratory of Pattern Analysis and Machine Intelligence（工信部模式分析与机器智能重点实验室）
本研究针对5W1H新闻要素抽取，构建高质量数据集并设计多种提示与微调策略，实验证明微调模型性能优于ChatGPT，并验证了跨领域适应能力。
2024-05-25 cs.CL
Open Event Extraction from Online Text using a Generative Adversarial Network
Southeast University（东南大学）；University of Warwick（华威大学）
在提取开放域事件的结构化表示方面，贝叶斯图模型取得了一定的进展。然而，这些方法通常假设文档中的所有单词都是从单个事件生成的。虽然这对于短文本（如推文）可能是正确的，但这种假设通常不适用于长文本（如新闻文章）。此外，贝叶斯图模型通常依赖于吉布斯采样进行参数推断，这可能需要很长时间才能收敛。为了解决这些局限性，我们提出了一种基于生成对抗网的事件提取模型，称为对抗神经事件模型（AEM）。AEM使用Dirichlet先验对事件进行建模，并使用生成器网络来捕获潜在事件的模式。一个隐藏事件被用来区分从潜在事件重建的文档和原始文档。该方法的一个副产品是，由学习的网络生成的特征允许对提取的事件进行可视化。我们的模型已经在两个Twitter数据集和一个新闻文章数据集上进行了评估。实验结果表明，我们的模型优于基线方法在所有的数据集上，与更显着的改善观察到的新闻文章数据集，其中增加了15%的F-测量。
2019-08-25 cs.CL cs.IR cs.LG
Improving unsupervised neural aspect extraction for online discussions using out-of-domain classification
Samsung-PDMI Joint AI Center, Steklov Mathematical Institute（三星-圣彼得堡数学研究所联合人工智能中心，斯捷克洛夫数学研究所）；National Research University Higher School of Economics（国立研究型大学高等经济学院）；Kazan Federal University（喀山联邦大学）；Moscow Institute of Physics and Technology（莫斯科物理技术学院）
基于自我注意力的深度学习架构最近在无监督方面提取和主题建模任务中取得了并超越了最先进的成果。虽然基于神经注意力的方面提取（ABAE）等模型已成功应用于用户生成的文本，但当应用于新闻文章和新闻组文档等传统数据源时，它们的一致性较低。在这项工作中，我们介绍了一个简单的方法，句子过滤的基础上，以提高专题方面学到的新闻组为基础的内容，而不修改ABAE的基本机制。我们训练一个概率分类器来区分域外文本（外部数据集）和域内文本（目标数据集）。然后，在数据准备过程中，我们过滤出在域中概率较低的句子，并在剩余句子上训练神经模型。句子过滤对主题连贯性的积极影响是在未过滤文本上训练的方面提取模型的比较中证明的。
2020-06-17 cs.CL
BoschAI @ Causal News Corpus 2023: Robust Cause-Effect Span Extraction using Multi-Layer Sequence Tagging and Data Augmentation
Bosch Center for Artificial Intelligence（博世人工智能中心）；University of Augsburg（奥格斯堡大学）
本文提出基于预训练 transformers、堆叠序列标注与合成数据增强的因果关系抽取系统，在 Causal News Corpus 2023 子任务 1 中获第三、子任务 2 中以 F1 72.8 夺冠。
2023-12-11 cs.AI cs.CL
Multi-view autoencoders for Fake News Detection
Centro de Informática Universidade Federal de Pernambuco（计算机中心 巴西佩纳布卢克联邦大学）；École de technologie supérieure Université du Québec（高等技术学院魁北克大学）
本文提出使用多视图自编码器整合多种特征提取技术生成联合特征表示，用于假新闻检测，实验证明该方法显著提升了分类性能，且选择视图子集在准确率和计算量上更具优势。
2025-04-10 cs.AI cs.CL cs.LG
MOKA: Moral Knowledge Augmentation for Moral Event Extraction
University of Michigan（密歇根大学）；University of Hawaii at Hilo（夏威夷大学希洛分校）；Northeastern University（东北大学）
针对新闻中隐含道德事件难以检测的问题，提出MOKA框架，利用道德词汇与场景知识增强抽取，并在新数据集MORAL EVENTS上优于基线，揭示媒体选择性报道。
2024-05-23 cs.CL
