Causal schema induction for knowledge discovery
Allen Institute for AI（艾伦人工智能研究所）；Brandeis University（布兰迪斯大学）；Tohoku University（东北大学）；Paul G. Allen School of Computer Science & Engineering（保罗·G·艾伦计算机科学与工程学院）；University of Colorado Boulder（科罗拉多大学博尔德分校）
理解熟悉但又陌生的情况通常涉及对因果图式的概括，这些图式是帮助人类推理事件序列的故事。关于事件的推理包括识别事件实例之间共享的因果关系，我们称之为因果图式归纳的过程。统计图式归纳系统可以利用话语中编码的结构知识或与事件意义相关的因果图，然而研究这种因果结构的资源数量很少，规模有限。在这项工作中，我们研究如何将图式归纳模型应用于知识发现的任务，以增强英语新闻文本的搜索。为了解决数据稀缺的问题，我们提出了Torquestra，一个手动策划的数据集的文本图形模式单元集成时间，事件和因果结构。我们在三个知识发现任务上对数据集进行基准测试，为每个任务构建和评估模型。结果表明，利用因果结构的系统是有效的识别文本共享相似的因果意义组件，而不是依赖于词汇线索。我们将数据集和模型用于研究目的。
2023-03-27 cs.CL
Cross-context News Corpus for Protest Events related Knowledge Base Construction
我们描述了一个黄金标准语料库的抗议事件，包括来自不同国家的英语各种本地和国际来源。语料库包含文档、句子和标记级别的注释。该语料库有助于创建机器学习模型，自动分类新闻文章和提取抗议事件相关信息，构建知识库，使比较社会和政治科学研究。对于每个新闻源，注释从新闻文章的随机样本开始，并继续使用主动学习绘制的样本。每批样本都由两名社会和政治科学家进行注释，由注释监督员进行裁决，并通过半自动识别注释错误进行改进。我们发现，语料库的品种和质量的发展和基准文本分类和事件提取系统在跨上下文设置，这有助于自动化文本处理系统的泛化性和鲁棒性。这个语料库和报告的结果将设置目前缺乏自动抗议事件收集研究的共同点。
2020-08-01 cs.CL
A large corpus of lucid and non-lucid dream reports
本文构建了包含55,000份梦境报告的语料库，用于研究清晰梦境现象，通过用户标注系统验证了语言模式与已知特征的一致性，为未来研究提供重要数据支持。
2026-03-27 cs.CL
MCScript2.0: A Machine Comprehension Corpus Focused on Script Events and Participants
Saarland University（萨尔兰大学）；Stuttgart University（斯图加特大学）
我们介绍MCScript2.0，一个机器理解语料库的脚本知识的端到端的评估。MCScript2.0包含大约。20，000个问题关于3，500个文本，基于新的收集过程进行众包，从而产生具有挑战性的问题。一半的问题不能从阅读文本中得到答案，但需要使用常识，特别是脚本知识。我们对我们的语料库进行了彻底的分析，并表明虽然这项任务对人类没有挑战性，但现有的机器理解模型无法在数据上表现良好，即使它们使用常识知识库。该数据集可在http://www.sfb1102.uni-saarland.de/?上获得2019 - 05 - 25 00：00：00
2019-05-30 cs.CL
The Causal News Corpus: Annotating Causal Relations in Event Sentences from News
National University of Singapore（新加坡国立大学）；Koc University（科奇大学）；Rijksuniversiteit Groningen（格罗宁根大学）；Radboud University（拉德堡德大学）；National Institute of Japanese Literature（日本文学研究所）；Birmingham City University（伯明翰城市大学）；Instituto Politécnico Nacional（国立理工学院）；Mersin University（梅尔辛大学）；University of East Anglia（东英吉利大学）；ETH Zürich（苏黎世联邦理工学院）
尽管理解因果关系的重要性，语料库处理因果关系是有限的。现有的事件因果关系标注准则与传统的因果关系语料库存在着差异。许多准则限制自己仅包括显式关系或基于条款的参数。因此，我们提出了一个事件因果关系的注释模式，解决这些问题。我们从抗议事件新闻中抽取了3,559个事件句子，并标注了它们是否包含因果关系。我们的语料库被称为因果新闻语料库（CNC）。建立在最先进的预训练语言模型上的神经网络在测试集上的F1得分为81.20%，在5倍交叉验证中的F1得分为83.46%。CNC可以在两个外部语料库之间转换：CauseTimeBank（CTB）和Penn Discourse Treebank（PDTB）。利用这些外部数据集进行训练，我们在CNC测试集上实现了高达约64%的F1，而无需额外的微调。CNC也是两个外部语料库的有效训练和预训练数据集。最后，我们展示了我们的任务的困难，在一个众包注释练习的外行。我们的注释语料库是公开的，因果文本挖掘研究人员提供了宝贵的资源。
2022-04-25 cs.CL
x-enVENT: A Corpus of Event Descriptions with Experiencer-specific Emotion and Appraisal Annotations
University of Stuttgart（斯图加特大学）
情感分类通常被表述为将文本分类到预定义的情感类集合中的任务。到目前为止，这一任务一直是识别作者和读者的情感，以及文本中提到的实体。我们认为，情感分析的分类设置应该以综合的方式进行，包括不同的语义角色，参与情绪发作。本文以心理学中的评价理论为基础，将情绪视为对事件的反应，编制了一个英语书面事件描述语料库。这些描述描绘了引发情绪的情况，并提到了情绪反应的人。我们对所有的体验者，包括原作者，用他们可能感受到的情感进行注释。此外，我们通过注释事件属性或评价（例如，感知事件不受欢迎，其结果的不确定性）。我们的分析揭示了人们的情感在互动中共同出现的模式。因此，这个丰富的注释资源提供了有用的数据，从不同角色的角度研究情绪和事件评价，它使开发的经验者特定的情绪和评价分类系统。
2022-04-08 cs.CL
Finding Variants for Construction-Based Dialectometry: A Corpus-Based Approach to Regional CxGs
Illinois Institute of Technology（伊利诺伊理工学院）
本文开发了一种基于构造的方言测量法，能够识别以前未知的构造，并测量给定构造的区域变化程度。其中心思想是使用构式语法归纳来学习构式语法（CxG），然后将这些构式作为方言计量的特征。这提供了一种方法，用于测量区域CxG之间的聚合相似性，而不限制在事先的一组结构的变化。学习CxG的评价是如何以及它描述了举行了测试语料库，而方言的评价是如何以及它可以模拟英语的区域品种。该方法使用两个不同的数据集进行测试：第一，国际语料库的英语代表八个外圈品种;第二，网络爬行语料库代表五个内圈品种。结果表明，该方法（1）产生了一个质量稳定的语法跨子集的一个单一的语料库，是（2）能够区分英语的区域变体之间的准确度高，因此（3）支持方言测量方法测量英语变体之间的相似性和（4）测量的程度，每一个结构是受区域变化。这对认知社会语言学很重要，因为它使构式之间的竞争在功能层面上组织起来的想法可操作化，因此方言测量需要代表尽可能多的可用功能空间。
2021-04-03 cs.CL
templar: agentic induction and evolution of standardized radiology reporting templates from large-scale clinical corpora
Tsinghua University（清华大学）；University of Hong Kong（香港大学）；University of California, San Diego（加利福尼亚大学圣迭戈分校）
针对现有放射学报告模板归纳方法受上下文限制、缺乏外部依据和适应性不足的问题，提出TEMPLAR智能体框架，通过三个智能体协作从大规模临床语料中归纳并演化标准化模板，在四个数据集上优于现有方法，提升覆盖率、信息保真度和诊断保真度。
2026-10-06 cs.CL cs.MA
Event Causality Identification with Causal News Corpus -- Shared Task 3, CASE 2022
University of Groningen（格罗宁根大学）；Mersin University（梅尔辛大学）；University of East Anglia（东英吉利大学）；Radboud University（拉德堡德大学）
CASE 2022的事件因果关系识别共享任务涉及两个子任务，它们在因果新闻语料库上工作。子任务1要求参与者预测一个句子是否包含因果关系。这是一个有监督的二元分类任务。子任务2要求参与者识别每个因果句的原因、结果和信号跨度。这可以被看作是一个有监督的序列标记任务。对于这两个子任务，参与者上传了他们对一个测试集的预测，并分别根据子任务1和2的二进制F1和宏F1分数进行排名。本文总结了17个团队的工作，提交了他们的结果，我们的竞争和12个系统描述文件，收到。子任务1和2的最佳F1得分分别为86.19%和54.15%。所有表现最好的方法都涉及预先训练的语言模型，这些模型针对目标任务进行了微调。我们在本文中进一步讨论了这些方法，并分析了参与者系统中的错误。
2022-11-22 cs.CL
RUSSE'2018: A Shared Task on Word Sense Induction for the Russian Language
University of Hamburg（汉堡大学）；National Research University Higher School of Economics（国立研究型大学高等经济学院）；The Vinogradov Institute of the Russian Language, Russian Academy of Sciences（俄罗斯科学院维诺格拉多夫俄语研究所）；University of Mannheim（曼海姆大学）；Krasovskii Institute of Mathematics and Mechanics（克拉索夫斯基数学与力学研究所）；Scrapinghub（Scrapinghub公司）；Lomonosov Moscow State University（罗蒙诺索夫莫斯科国立大学）；Samsung Moscow Research Center（三星莫斯科研究中心）；ABBYY（ABBYY公司）
本文介绍了第一个共享任务的结果对词义归纳（WSI）的俄语。虽然类似的共享任务在过去进行了一些罗曼语和日耳曼语，我们探讨的性能的感觉归纳和消歧方法的斯拉夫语，共享许多功能与其他斯拉夫语言，如丰富的形态和几乎自由的词序。参与者被要求根据事先没有提供的含义对给定单词的上下文进行分组。例如，给定单词“bank”和该单词的一组上下文，例如“bank is a financial institution that accepts deposit”和“river bank is a slope beside a body of water”，参与者被要求将这些上下文聚类到预先未知数量的聚类中，在这种情况下，这些聚类对应于单词“bank”的“company”和“area”含义。为了这个评估活动的目的，我们开发了三个新的评估数据集的基础上的感觉库存，具有不同的感觉粒度。这些数据集中的上下文是从维基百科、俄语学术语料库和俄语解释性词典中抽取的。共有18支队伍参加了比赛，提交了383个模型。多个团队成功地大幅超越了前几年基于感觉嵌入的竞争性最先进的基线。
2018-06-09 cs.CL
Emotion-Aware, Emotion-Agnostic, or Automatic: Corpus Creation Strategies to Obtain Cognitive Event Appraisal Annotations
University of Stuttgart（斯图加特大学）；Institut für Maschinelle Sprachverarbeitung（机器语言处理研究所）
评价理论解释了对一个事件的认知评价如何导致一种特定的情绪。与基本情绪或情感（效价/唤醒）的理论相比，该理论在自然语言处理中没有得到很多关注。然而，在心理学中，它已经被证明是强大的：史密斯和埃尔斯沃思（1985）表明，评价维度注意力，确定性，预期努力，愉快，责任/控制和情境控制（至少）区分15种情绪类别。我们研究了这些维度的不同注释策略，基于以事件为中心的enISprone语料库（Troiano等人，2019年）。我们分析了两种手动注释设置：（1）显示要注释的文本，同时屏蔽所经历的情感标签;（2）揭示与文本相关的情感。设置2使注释者能够对所描述的事件产生更真实的直觉，而设置1是一个更标准的注释过程，纯粹依赖于文本。我们通过两种方式评估这些策略：通过测量注释者之间的一致性和微调RoberTa来预测评估变量。我们的研究结果表明，知识的情绪增加注释者的可靠性。此外，我们评估了一个纯粹的自动基于规则的标签策略（从注释的情感类推断评价）。在自动分配的标签上进行训练会使我们的分类器具有竞争力的性能，即使在手动注释上进行测试时也是如此。这是一个指标，它可能会自动创建评价语料库为每个领域的情感语料库已经存在。
2021-02-25 cs.CL
1Cademy @ Causal News Corpus 2022: Leveraging Self-Training in Causality Classification of Socio-Political Event Data
University of Michigan（密歇根大学）；Beijing Academy of Artificial Intelligence（北京人工智能研究院）；Cademy Community（1Cademy社区）；Carleton College（卡尔顿学院）
本文详细介绍了我们参与的挑战和应用自动提取社会政治事件从文本（CASE）研讨会@EMNLP 2022，在那里我们参加了子任务1共享任务3。我们提出了一个自我训练管道，遵循师生分类器方法的事件因果关系检测的给定任务。更具体地说，我们首先在真实的原始任务数据上训练教师模型，并使用该教师模型自标记数据，以用于训练单独的学生模型，以进行最终的任务预测。我们测试了在自训练过程中限制正面或负面自标记示例的数量如何影响分类性能。我们的最终结果表明，使用自训练在事件因果关系序列分类任务中测试的所有模型和自标记训练集上都产生了全面的性能改善。最重要的是，我们发现，自我训练的表现并没有减少，即使在训练中使用的积极/消极的例子限制。我们的代码可在www.example.com上公开获取。
2022-11-04 cs.CL
Live Blog Corpus for Summarization
Research Training Group AIPHES；UKP Lab Computer Science Department, Technische Universit \"a t Darmstadt www.aiphes.tu-darmstadt.de, www.ukp.tu-darmstadt.de
实时博客是一种越来越受欢迎的新闻格式，用于报道在线新闻中的突发新闻和现场事件。世界各地的在线新闻网站都在使用这种媒体，为读者提供有关事件的每分钟更新。好的摘要可以提高读者对实时博客的价值，但通常无法获得。在本文中，我们研究了一种收集语料库的自动实时博客摘要的方法。在使用著名的国家的最先进的摘要系统的实证评估，我们发现，生活博客语料库提出了新的挑战，在该领域的摘要。我们公开我们的工具来重建语料库，以鼓励研究社区和复制我们的结果。
2018-02-27 cs.CL
APPReddit: a Corpus of Reddit Posts Annotated for Appraisal
University of Turin（都灵大学）；University of Genoa（热那亚大学）
尽管有大量的计算资源用于情感识别，但缺乏依赖于评估模型的数据集。根据评价理论，情绪是对事件进行多维度评价的结果。在本文中，我们提出了APPRreddit，根据这一理论注释的第一个非实验数据语料库。在描述了它的发展，我们比较我们的资源与enISprone，在实验环境中创建的事件语料库和注释的评价。结果表明，这两个语料库可以映射，尽管不同类型的数据和注释方案。在APPRreddit上训练的SVM模型预测了四个评估维度，没有显著损失。将两个语料库合并到一个训练集中，可以增加4个维度中3个维度的预测。这些发现为评估预测的更好分类模型铺平了道路。
2022-05-31 cs.CL
Les noms propres se traduisent-ils ? Étude d'un corpus multilingue
Université François Rabelais Tours（弗朗索瓦·拉伯雷大学图尔分校）；Université de Belgrade（贝尔格莱德大学）
本文探讨了专名的翻译问题。我们介绍我们的假设，根据该专有名称可以被翻译更经常比大多数人似乎认为。然后，我们描述了一个并行的多语种语料库的建设，用来说明我们的观点。我们最终评估的优点和局限性，这个语料库在我们的研究。
2014-07-07 cs.CL
TAP-DLND 1.0 : A Corpus for Document Level Novelty Detection
Indian Institute of Technology Patna（巴特那印度理工学院）
检测整个文档的新颖性是一个人工智能（AI）前沿问题，具有广泛的NLP应用，例如提取文档摘要，跟踪新闻事件的发展，预测学术文章的影响等。虽然问题很重要，但我们不知道任何基准文档级数据可以正确地解决分类框架中自动新颖性检测技术的评估。为了弥合这一差距，我们在这里提出了一个资源，基准测试的技术，文档级的新颖性检测。我们通过定期对多个域中的新闻文档进行特定于事件的爬行来创建资源。我们发布的注释语料库与必要的统计数据，并显示其使用与一个发达的系统所关注的问题。
2018-02-20 cs.CL
The YLI-MED Corpus: Characteristics, Procedures, and Plans
International Computer Science Institute（国际计算机科学研究所）；Lawrence Livermore National Laboratory（劳伦斯利弗莫尔国家实验室）
YLI多媒体事件检测语料库是具有注释和计算特征的视频的公共域索引，专门用于多媒体事件检测（MED）的研究，即，通过分析音频和视频内容自动识别视频中发生的事情。YLI-MED语料库中索引的视频是更大的YLI特征语料库的子集，该语料库由国际计算机科学研究所和劳伦斯利弗莫尔国家实验室基于Yahoo Flickr Creative Commons 1亿（YFCC 100 M）数据集开发。YLI-MED中的视频被分类为描述十个目标事件之一，或者没有目标事件，并注释了其他属性，如所说的语言和视频是否有乐谱。注释还包括每个视频的事件分类的注释者一致度和平均注释者置信度得分。YLI-MED 1.0版包括1823个描述目标事件的“正面”视频和48，138个“负面”视频，以及177个与事件视频相似但不是正面示例的补充视频。我们生产YLI-MED的目标是尽可能公开我们的数据和程序。本报告描述了用于收集语料库的程序;给出了关于语料库构成的详细描述性统计数据（以及视频属性如何影响注释者的判断）;讨论了我们的程序选择引入的语料库中可能存在的偏见，并将其与最相似的现有数据集TRECVID MED的HAVIC语料库进行了比较;并概述了我们未来扩大注释工作的计划。
2015-03-13 cs.CL cs.MM
A Corpus for Understanding and Generating Moral Stories
Tsinghua University（清华大学）
讲故事的最重要目的之一是教导道德。理解和写作道德故事的一个基本能力是连接故事情节和隐含的道德。其挑战主要在于：（1）掌握道德中抽象概念的知识，（2）捕捉故事中事件间的话语关系，（3）调整故事和道德关于好或坏行为的价值偏好。在本文中，我们提出了两个理解任务和两个生成任务来评估这些能力的机器。我们提出了STORAL，一个新的数据集的中文和英文人类写的道德故事。我们所提出的任务的难度，通过测试各种型号的自动和手动评估STORAL。此外，我们提出了一个检索增强算法，有效地利用相关的概念或事件的训练集作为额外的指导，以提高这些任务的性能。
2022-04-20 cs.CL
Automatic Identification of Arabic expressions related to future events in Lebanon's economy
Lebanese University（黎巴嫩大学）
在本文中，我们提出了一种方法来自动识别未来的事件，在黎巴嫩的经济从阿拉伯语文本。挑战有三个方面：首先，我们需要建立一个涵盖黎巴嫩经济的阿拉伯语文本语料库;其次，我们需要研究未来事件如何在这些文本中以语言表达;第三，我们需要相应地自动识别相关的文本片段。我们将验证这种方法上构造的语料库形式的网络，并表明它有非常有前途的结果。为此，我们将使用SLCSAS，一个基于上下文浏览器方法的语义分析系统，以及“AlKhalil Morpho Sys”系统进行形态句法分析。
2018-05-29 cs.CL
A Bayesian Model of Multilingual Unsupervised Semantic Role Induction
University of Geneva（日内瓦大学）
我们提出了一个贝叶斯模型的无监督语义角色归纳在多种语言中，并使用它来探索并行语料库的有用性。我们的联合贝叶斯模型由每种语言的单独模型以及额外的潜在变量组成，这些潜在变量可以捕获跨语言角色之间的对齐。因为它是一个生成贝叶斯模型，我们可以在各种场景下进行评估，只需改变推理过程，而无需改变模型，从而直接比较场景。我们比较使用单语数据，使用平行语料库，使用平行语料库与其他语言的注释，并使用少量的注释在目标语言。我们发现，在训练中添加并行语料库的最大影响实际上是单语言数据的增加，与另一种语言的对齐导致了微小的改进，即使是使用另一种语言的标记数据。
2016-03-04 cs.CL
EventNet-ITA: Italian Frame Parsing for Events
Fondazione Bruno Kessler（布鲁诺·凯塞勒基金会）
本文提出EventNet-ITA，首个面向意大利语事件框架解析的大规模多领域标注语料库，并提出高效多标签序列标注方法，在框架分类与元素分类上取得高F1分数，已开源。
2024-02-18 cs.CL
NUBES: A Corpus of Negation and Uncertainty in Spanish Clinical Texts
Vicomtech Foundation（维孔特克基金会）；Basque Research and Technology Alliance (BRTA)（巴斯克研究与技术联盟（BRTA））；HiTZ centre（HiTZ中心）；University of the Basque Country UPV/EHU（巴斯克大学（UPV/EHU））
本文介绍了NUBes语料库的第一个版本（西班牙语生物医学文本中的否定和不确定性注释）。该语料库是一项正在进行的研究的一部分，目前由29，682个句子组成，这些句子来自匿名健康记录，并附有否定和不确定性。文章包括一个详尽的比较与西班牙语类似的语料库，并提出了主要的注释和设计决策。此外，我们使用深度学习算法进行初步实验，以验证带注释的数据集。据我们所知，NUBes是西班牙语中最大的公开否定语料库，也是第一个包含推测线索，范围和事件注释的语料库。
2020-04-02 cs.CL
Emotion Action Detection and Emotion Inference: the Task and Dataset
Beijing Language and Culture University（北京语言大学）
许多自然语言处理的情感分析工作只关注于简单的情感分类，而没有探索将情感置于“事件语境”中的潜力，忽略了对情感相关事件的分析。一个主要原因是缺乏这样的语料库。在这里，我们提出的原因，情绪，行动语料库，手动注释不仅情绪，但也导致事件和行动事件。我们提出了两个新的任务的基础上的数据集：情感因果关系和情感推理。第一个任务是提取一个三元组（原因，情绪，行动）。第二个任务是推断可能的情绪。我们目前正在发布包含10，603个样本和15，892个事件的数据集，以及情绪因果关系和情绪推理任务的基本统计分析和基线。基线表现表明，这两项任务都有很大的改进余地。
2019-03-16 cs.CL
Extracting a Knowledge Base of COVID-19 Events from Social Media
University of Waterloo（滑铁卢大学）；Georgia Institute of Technology（佐治亚理工学院）
在这篇论文中，我们展示了一个由10，000条推文组成的人工注释语料库，其中包含五个COVID-19事件的公开报告，包括阳性和阴性测试，死亡，拒绝接受测试，声称治愈和预防。我们为每种事件类型设计了槽填充问题，并注释了总共31个细粒度的槽，例如事件的位置，最近的旅行和密切接触者。我们的语料库可以支持微调基于BERT的分类器，以自动提取公开报道的事件，并帮助跟踪新疾病的传播。我们还证明，通过聚合从数百万条推文中提取的事件，我们在回答复杂查询时实现了惊人的高精度，例如“哪些组织的员工在费城检测呈阳性？“我们将向研究社区发布我们的语料库（删除用户信息），自动提取模型和相应的知识库。
2022-09-09 cs.CL cs.SI
Wikibio: a Semantic Resource for the Intersectional Analysis of Biographical Events
Dipartimento di Informatica, Università degli Studi di Torino（托斯卡纳大学计算机系）；CLCG, University of Groningen（格罗宁根大学CLCG）；aequa-tech, Turin, Italy（都灵aequa-tech）
本文提出Wikibio语料库，用于生物事件的交叉分析，通过训练模型检测传记中的偏见问题。
2023-06-15 cs.CL
A frame semantics based approach to comparative study of digitized corpus
University Ferhat Abbes Setif 1（费哈特·阿巴斯·塞蒂夫1大学）；Badji Mokhtar University（巴吉·穆克塔尔大学）
摘要本文提出了一种基于语料库语言学的方法，从语义学的角度分析数字化的多语种经典小说和叙事文本。数字化的小说，如《霍比特人》（托尔金J. R。R.，1937年）”和“巴斯克维尔的猎犬（道尔A。C. 1901-1902年）"，被广泛翻译成几十种语言，为从语言学、哲学和认知科学等多个学科的角度分析语言差异提供了丰富的材料。本文以运动事件概念化为例，通过对一部数字化小说的英阿对齐语料库进行形态、句法和语义标注，从框架语义学的角度重新审视英语和阿拉伯语运动事件的语言编码。本研究认为，不同语言在运动事件概念化方面的差异可以用框架结构和框架间关系来描述。
2020-05-29 cs.AI cs.CL
A Corpus of Sentence-level Revisions in Academic Writing: A Step towards Understanding Statement Strength in Communication
Cornell University（康奈尔大学）
一个声明的力度可以对听众产生重大影响。例如，国际关系可能会因一国媒体对另一国事件的描述而紧张;论文可能会因夸大或低估其发现而被拒绝。因此，理解陈述强度的影响是很重要的。第一步是能够区分强有力的陈述和弱有力的陈述。然而，即使是这个问题也没有得到充分的研究，部分原因是缺乏数据。由于力量本质上是相对的，因此对提出主张的文本的修订是关于力量差异的数据的自然来源。在本文中，我们介绍了一个语料库的论文级修订，从学术写作。我们还描述了从我们的注释工作中获得的见解。
2014-05-31 cs.CL
Query-Focused Event Summarization: A Dataset and Benchmark
School of Electronic Information and Communications, Huazhong University of Science and Technology（华中科技大学电子信息与通信学院）
针对现有查询聚焦摘要（QFS）数据集缺乏面向事件的摘要及方法在大规模语料库表现不佳的问题，提出查询聚焦事件摘要（QFES）任务，构建QFESum数据集，引入含RAT和SHC的两阶段框架，实验证明该框架有效。
2026-07-14 cs.CL
PMOA-TTS: Introducing the PubMed Open Access Textual Times Series Corpus
Machine Learning Department, School of Computer Science（计算机科学系机器学习部门）；Heinz College of Information Systems and Public Policy（信息系统与公共政策学院）；National Library of Medicine（国家医学图书馆）
PMOA-TTS通过大规模语言模型管道构建，为时间序列分析提供结构化文本时间线，支持时间推理、生存建模和事件预测研究。
2026-01-15 cs.AI cs.CL cs.LG
Men Are Elected, Women Are Married: Events Gender Bias on Wikipedia
University of Southern California（南加利福尼亚大学）；Information Sciences Institute, University of Southern California（南加利福尼亚大学信息科学研究所）；University of California, Los Angeles（加利福尼亚大学洛杉矶分校）
人类活动可以被视为一系列事件，这对理解社会至关重要。不同人口群体的不成比例的事件分布可以表现和放大社会陈规定型观念，并可能危及某些群体成员追求某些目标的能力。在本文中，我们提出了第一个以事件为中心的研究性别偏见的维基百科语料库。为了便于研究，我们策划了一个职业和个人生活描述的语料库，其中包含来自10，412位名人的7，854个片段。然后，我们用最先进的事件检测模型检测事件，使用策略生成的模板校准结果，并提取与性别有不对称关联的事件。我们的研究发现，维基百科的页面往往会将个人生活事件与女性的专业事件相结合，而不是男性，这需要维基百科社区的意识，以正式制定指导方针，并训练编辑注意贡献者所携带的隐性偏见。我们的工作也奠定了基础，为未来的工作量化和发现事件的偏见在语料库的水平。
2021-06-03 cs.AI cs.CL cs.CY
Enhancing Adverse Drug Event Detection with Multimodal Dataset: Corpus Creation and Model Development
Indian Institute of Technology Patna（印度理工学院巴特那分校）；Stanford University（斯坦福大学）；Amazon GenAI（亚马逊生成式人工智能部门）
本文针对传统ADE检测忽视视觉信息的问题，提出多模态药物不良事件检测数据集MMADE，并结合LLM与VLM生成医学图像描述以增强检测性能，为个性化医疗和患者安全提供新途径。
2024-05-27 cs.AI cs.CL cs.CV
Towards Automatic Construction of Filipino WordNet: Word Sense Induction and Synset Induction Using Sentence Embeddings
De La Salle University（德拉萨大学）；Samsung R&D Institute Philippines（三星菲律宾研发院）
本研究提出一种仅依赖未标注语料库和句子嵌入语言模型进行词义与同义词集归纳的方法，并应用于 Filipino 文本，实证表明30%归纳词义有效、40%归纳同义词集有效（含20%新颖集），助力低资源语言 wordnet 自动构建。
2023-10-19 cs.CL
Domain Adaptation of Neural Machine Translation by Lexicon Induction
Language Technologies Institute（语言技术研究所）；School of Computer Science（计算机学院）；Carnegie Mellon University（卡内基梅隆大学）
先前已经注意到，神经机器翻译（NMT）对域移位非常敏感。在本文中，我们认为，这是一个双重影响的高度词汇化的性质，NMT，导致失败的句子与大量的未知词，缺乏监督的领域特定的词。为了解决这个问题，我们提出了一种无监督自适应方法，该方法使用伪域内语料库对预训练的域外NMT模型进行微调。具体来说，我们进行词汇归纳提取领域内的词汇，并通过执行字对字的回译的单语领域内的目标句子构建一个伪并行的领域内语料库。在五个领域超过20个成对适应设置和两个模型架构中，我们的方法实现了一致的改进，而不使用任何域内并行语句，在未适应的模型上提高了14个BLEU，在强反向翻译基线上提高了2个BLEU。
2019-06-02 cs.CL
A Corpus and Evaluation Framework for Deeper Understanding of Commonsense Stories
University of Rochester（罗切斯特大学）；United States Naval Academy（美国海军学院）；Microsoft Research（微软研究院）；Virginia Tech（弗吉尼亚理工大学）；The Institute for Human & Machine Cognition（人类与机器认知研究所）
常识知识的表示和学习是实现深度语言理解的基础问题之一。这个问题对于理解事件之间的因果关系和相关关系尤其具有挑战性。虽然这个主题在NLP社区中引起了很大的兴趣，但由于缺乏适当的评估框架，研究受到了阻碍。本文试图用一个新的评价故事理解和剧本学习的框架来解决这个问题：故事完形填空。这个测试需要一个系统来为一个四句话的故事选择正确的结尾。我们创建了一个新的语料库~ 50 k五句话的常识故事，ROCStories，使这种评估。这个语料库在两个方面是独一无二的：（1）它捕捉了日常事件之间丰富的因果和时间常识关系，（2）它是一个高质量的日常生活故事集，也可以用于故事生成。实验评估表明，许多基于浅语言理解的基线和最先进的模型很难在故事完形填空测试中获得高分。我们讨论了这些对剧本和故事学习的影响，并为更深层次的语言理解提供了建议。
2016-04-06 cs.AI cs.CL
InScript: Narrative texts annotated with script information
本文介绍了InScript语料库（Narrative Texts Instantiating Script structure）。InScript是一个包含1,000个故事的语料库，围绕着10个不同的场景。动词和名词短语分别用事件和参与者类型进行注释。此外，正文还附有共指信息的注释。该语料库显示了丰富的词汇变异，将成为研究脚本知识在自然语言处理中作用的独特资源。
2017-03-15 cs.AI cs.CL
Joint Learning Templates and Slots for Event Schema Induction
Key Laboratory of Computational Linguistics, Ministry of Education（教育部计算语言学重点实验室）；School of Electronics Engineering and Computer Science, Peking University（北京大学电子工程与计算机科学学院）；Collaborative Innovation Center for Language Ability（语言能力协同创新中心）
自动事件模式归纳（AESI）是指从原始文本中提取元事件，即找出原始文本中可能存在的事件类型（模板）以及每种事件类型中可能存在的角色（槽）。在本文中，我们提出了一个联合实体驱动的模型来学习模板和槽在同一个句子中的模板和槽的约束的基础上同时进行。此外，实体的内部连通性也考虑了实体的语义信息。我们借用图像分割中的归一化切割准则，将实体划分为更精确的模板簇和槽簇。实验结果表明，该模型的预测效果优于以往的研究成果.
2016-03-04 cs.CL
Open-Domain Hierarchical Event Schema Induction by Incremental Prompting and Verification
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；University of Pennsylvania（宾夕法尼亚大学）
本文提出将事件模式视为可从大型语言模型推导的常识知识，并设计增量提示与验证方法分三阶段构建复杂事件图，在时序和层次关系F1上分别提升7.2%和31.0%，且生成模式的可读性和事件覆盖率优于现有模型。
2023-07-05 cs.CL
In the LLM era, Word Sense Induction remains unsolved
本文提出基于大语言模型的词义诱导方法，发现无监督方法难以超越'每个词根一个聚类'启发式方法，同时表明数据增强和Wiktionary利用对提升性能有帮助。
2026-03-12 cs.CL
Valence Induction with a Head-Lexicalized PCFG
本文提出了一种基于词汇化概率上下文无关文法的配价（次范畴化框架）学习实验。分布估计使用修改的EM算法。我们通过与词典的比较和熵度量来评估所获得的词典。结果表明，我们的模型产生高度准确的帧分布。
1998-05-05 cmp-lg cs.CL
Zero-Shot On-the-Fly Event Schema Induction
University of Pennsylvania（宾夕法尼亚大学）
大流行爆发涉及哪些事件？策划婚礼时应该采取哪些步骤？这些问题的答案可以找到通过收集许多文件的复杂事件的兴趣，提取相关信息，并分析it.We提出了一种新的方法，其中大语言模型被用来生成源文件，允许预测，给定一个高层次的事件定义，特定的事件，参数，以及它们之间的关系，构建一个模式，描述了复杂的事件在其整体。使用我们的模型，可以在没有任何手动数据汇集的情况下即时生成任何主题的完整模式，即，以zero-shot的方式。此外，我们开发了有效的方法来从文本中提取相关信息，并在一系列的实验中证明，这些模式被认为是更完整的比人类策划的，在大多数检查的情况下。最后，我们表明，这个框架是以前的监督模式归纳方法，依赖于收集真实的文本，而更一般和灵活，而不需要一个预定义的本体的性能相当。
2023-03-27 cs.CL
Prompt-based Graph Model for Joint Liberal Event Extraction and Event Schema Induction
Peking University School of Software（北京大学软件学院）
提出基于提示的图模型PGLEE，联合进行自由事件抽取与事件模式归纳，无需预定义模式即可高效抽取事件并发现高质量模式。
2024-03-19 cs.CL
Probabilistic Frame Induction
University of Toronto（多伦多大学）；Microsoft Research（微软研究院）
在自然语言的话语中，相关的事件往往出现在彼此附近，以描述一个更大的场景。这样的结构可以通过框架的概念形式化（a.k.a.）。模板），它包括一组相关的事件和原型参与者以及事件转换。识别框架是信息抽取和自然语言生成的前提，通常是人工完成的。最近已经提出了用于诱导帧的方法，但是它们通常使用特设过程并且难以诊断或扩展。在本文中，我们提出了框架归纳的第一种概率方法，它将框架，事件，参与者作为潜在主题，并学习那些最能解释文本的框架和事件转换。帧的数量推断的一个新的应用程序的分裂合并方法从句法分析。在从文本到诱导框架和提取事实的端到端评估中，我们的方法产生了最先进的结果，同时大大减少了工程工作。
2013-02-20 cs.CL
Corpus-Level Evaluation for Event QA: The IndiaPoliceEvents Corpus Covering the 2002 Gujarat Violence
Massachusetts Institute of Technology（麻省理工学院）；University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校）
社会科学应用中的自动事件提取通常需要语料库级别的评估：例如，跨元数据聚合文本预测和无偏的召回估计。我们结合语料库水平的评估要求与现实世界，社会科学的设置，并介绍了IndiaPoliceEvents语料库-所有21,391句，从1,257英语印度时报的文章在古吉拉特邦的事件在2002年3月。我们训练有素的注释员阅读并标记每一份文档中提到的警察活动事件，从而进行公正的回忆评估。与其他具有结构化事件表示的数据集相比，我们通过提出自然问题来收集注释，并评估三种不同任务的现成模型：句子分类，文档排序和目标事件的时间聚合。我们目前的基线结果从zero-shot BERT为基础的模型微调自然语言推理和段落检索任务。我们新颖的语料库级评估和注释方法可以指导未来类似的社会科学资源的创建。
2021-05-27 cs.CL
Unsupervised Induction of Contingent Event Pairs from Film Scenes
University of California, Santa Cruz（加州大学圣克鲁兹分校）
人类参与叙事的部分原因是对叙事事件之间的话语关系的推理，以及对这种推理所产生的接下来可能发生的事情的预期。NLP的研究人员已经从一系列角度处理了这种期望的建模，包括将其视为偶然话语关系的推理，或作为一种常识因果推理。我们的方法是通过借鉴以前的工作中的几条线来模拟事件之间的可能性。我们实现并评估了不同的无监督方法，用于学习可能彼此相关的事件对。我们细化事件对，我们从语料库的电影场景描述，利用网络搜索计数学习，并通过收集人的判断的偶然性评估我们的结果。我们的研究结果表明，使用网络搜索计数将我们最好的方法的平均准确率提高到85.64%，超过50%的基线，而没有网络搜索的平均准确率为75.15%。
2017-08-30 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
Analogous Process Structure Induction for Sub-event Sequence Prediction
HKUST（香港科技大学）；UPenn（宾夕法尼亚大学）
事件理解的计算和认知研究表明，识别、理解和预测事件取决于对一系列事件的结构化表示，以及将其组成部分概念化（抽象化）为（软）事件类别。因此，关于诸如“买车”的已知过程的知识可以在诸如“买房”的新的但类似的过程的上下文中使用。然而，NLP中的大多数事件理解工作仍然处于底层，并且没有考虑抽象。在本文中，我们提出了一个类比过程结构归纳APSI框架，它利用过程之间的类比和子事件实例的概念化来预测以前看不见的开放域过程的整个子事件序列。正如我们的实验和分析表明，APSI支持为看不见的过程生成有意义的子事件序列，并可以帮助预测丢失的事件。
2020-10-16 cs.AI cs.CL
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
A German Corpus for Fine-Grained Named Entity Recognition and Relation Extraction of Traffic and Industry Events
DFKI GmbH（德国人工智能研究中心）
在个人旅行计划和供应链管理等领域，监控移动性和行业相关事件非常重要，但从异构的大容量文本流中提取与特定公司、运输路线和位置相关的事件仍然是一个重大挑战。这项工作描述了一个语料库的德语文档已被注释细粒度的地理实体，如街道，车站和路线，以及标准的命名实体类型。它还被注释了一组15个与交通和行业相关的n元关系和事件，如事故、交通堵塞、收购和罢工。该语料库包括新闻专线文本、Twitter消息以及来自广播电台、警察局和铁路公司的交通报告。它允许训练和评估两个命名实体识别算法，旨在细粒度的地理实体，以及n元关系抽取系统。
2020-04-07 cs.CL
Semi-supervised New Event Type Induction and Description via Contrastive Loss-Enforced Batch Attention
University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
大多数事件提取方法传统上依赖于一组带注释的事件类型。然而，创建事件本体和注释监督训练数据是昂贵和耗时的。以前的工作已经提出了半监督的方法，利用看到（注释）类型来学习如何自动发现新的事件类型。最先进的方法，无论是半监督还是完全无监督，都在上下文中对特定令牌使用某种形式的重建损失。相比之下，我们提出了一种新的方法，半监督新的事件类型的诱导使用掩蔽的对比损失，学习事件之间的相似性提到通过强制执行注意力机制的数据minibatch。我们通过近似数据中的底层流形来进一步解开所发现的集群，这使我们能够将归一化互信息和Fowlkes-Malows分数绝对值提高20%以上。在这些聚类结果的基础上，我们将我们的方法扩展到两个新的任务：预测发现的集群的类型名称，并将它们与FrameNet框架相关联。
2022-02-12 cs.AI cs.CL
Open-Domain Event Graph Induction for Mitigating Framing Bias
University of Pennsylvania（宾夕法尼亚大学）；Tencent AI Lab（腾讯人工智能实验室）
针对新闻文章中固有的框架偏见问题，提出中性事件图归纳任务，通过三步框架从多输入源归纳事件图并利用图卷积网络移除偏见节点，有效缓解偏见。
2023-05-22 cs.AI cs.CL
Event-Arguments Extraction Corpus and Modeling using BERT for Arabic
Birzeit University（比尔宰特大学）
本文构建了阿拉伯语事件-论元抽取语料库hadath，并提出基于BERT文本蕴含的事件关系抽取方法，取得94.01%的F1分数，还构建域外测试集testNLI验证泛化能力，并实现了端到端抽取系统。
2024-07-30 cs.CL
Generalizing Cross-Document Event Coreference Resolution Across Multiple Corpora
Technical University of Darmstadt（达姆施塔特工业大学）
跨文档事件共指消解共指消解（CDCR）是一个NLP任务，需要在整个文档集合中识别和聚类事件。CDCR旨在使下游多文档应用程序受益，但尽管最近在语料库和系统开发方面取得了进展，但应用CDCR的下游改进尚未显示出来。我们观察到，到目前为止，每个CDCR系统都是在单个语料库上开发、训练和测试的。这引起了人们对它们的普遍性的强烈关注--这是下游应用程序的必备条件，在这些应用程序中，域或事件提及的数量可能超过在策展语料库中发现的数量。为了研究这一假设，我们定义了一个统一的评估设置，涉及三个CDCR语料库：ECB+，枪支暴力语料库和足球共指语料库（我们在令牌级别重新注释，使我们的分析成为可能）。我们将一个独立于语料库的基于特征的系统与最近为ECB+开发的神经系统进行了比较。虽然在绝对数量上处于劣势，但基于特征的系统在所有语料库中表现出更一致的性能，而神经系统则是偶然的。通过模型反思，我们发现事件动作、事件时间等对共指消解的重要性在不同语料库中有很大差异。进一步的分析表明，一些系统过拟合的ECB+语料库的结构。最后，我们建议如何实现普遍适用的CDCR系统在未来-最重要的是，多个CDCR语料库的评估是非常必要的。为了促进未来的研究，我们向公众发布我们的数据集，注释指南和系统实现。
2021-06-10 cs.CL
A Corpus-based Study of Temporal Signals
University of Sheffield（谢菲尔德大学）
语篇中事件的自动时间排序是近年来的研究热点。事件顺序在文本中通过各种语言机制来传达，包括使用诸如“之前”、“之后”或“期间”等表达，这些表达明确地断言时间关系-时间信号。本文研究了时间信号在时间关系抽取中的作用，并在TimeBank标注语料库中对这些表达进行了定量分析。
2012-03-22 cs.CL
Relation Schema Induction using Tensor Factorization with Side Information
Indian Institute of Science（印度科学院）
给定来自特定域的一组文档（例如，医学研究期刊），我们如何自动构建该领域的知识图谱（KG）？自动识别关系及其模式，即，关系的参数的类型签名（例如，perceive（Patient，Surgery））是实现这一目标的重要的第一步。我们把这个问题称为关系模式归纳（RSI）。在本文中，我们提出了模式归纳使用耦合张量因子分解（SICTF），一种新的张量因子分解方法的关系模式归纳。SICTF分解从领域语料库中提取的开放信息抽取（OpenIE）三元组以及附加的边信息，以原则性的方式归纳关系模式。据我们所知，这是张量因式分解在RSI问题中的首次应用。通过对多个真实世界数据集的广泛实验，我们发现SICTF不仅比最先进的基线更准确，而且速度也快得多（大约快14倍）。
2016-11-16 cs.CL cs.DB cs.IR
