ExcavatorCovid：从文本语料库抽取事件与关系以进行COVID-19的时间与因果分析
计算与语言
2021-05-06 v1
摘要
政策制定者缓解COVID-19大流行影响的及时响应依赖于对事件、其原因及影响的全面把握。这些事件以令人不堪重负的速度与规模被报道。本文中，我们提出ExcavatorCovid，一个机器阅读系统，其摄取开源文本文档（如新闻与科学出版物），抽取COVID19相关事件及它们之间的关联，并构建时间与因果分析图（TCAG）。Excavator将帮助政府机构缓解信息过载，理解政治、经济决策及与疫情相关事件可能的下游效应，并及时响应以缓解COVID-19的影响。我们期望Excavator的效用将超越COVID-19大流行：分析师与决策者将借助Excavator更好地理解与解决未来的复杂问题。交互式TCAG可视化可见于http://afrl402.bbn.com:5050/index.html。我们亦发布了一个演示视频于https://vimeo.com/528619007。
引用
@article{arxiv.2105.01819,
title = {ExcavatorCovid: Extracting Events and Relations from Text Corpora for Temporal and Causal Analysis for COVID-19},
author = {Bonan Min and Benjamin Rozonoyer and Haoling Qiu and Alexander Zamanian and Jessica MacBride},
journal= {arXiv preprint arXiv:2105.01819},
year = {2021}
}