从可比新闻语料库中挖掘新闻事件：一种多属性邻近网络建模方法
机器学习
2019-11-18 v1 信息检索
机器学习
摘要
我们提出 ProxiModel，一种新颖的事件挖掘框架，用于从庞大、冗余且含噪的新闻数据源中提取高质量结构化事件知识。所提模型通过对每个单独文档内以及跨语料库的事件相关性进行建模，区别于其他方法。为此，我们引入邻近网络的概念，一种新颖的节省空间的数据结构，以促进可扩展的事件挖掘。该邻近网络捕获候选事件描述符、事件属性及其连接的语料库级共现统计。我们将邻近网络概率建模为带有稀疏诱导正则化的生成过程。这使我们能够高效且有效地提取高质量且可解释的新闻事件。在三个不同新闻语料库上的实验表明，所提方法在生成高质量事件描述符与属性方面有效且鲁棒。我们简要详述了所提框架的诸多有趣应用，如新闻摘要、事件追踪与新闻多维分析。最后，我们探究了一个日本海啸新闻语料库事件可视化的案例研究，并展示了 ProxiModel 自动摘要新兴新闻事件的能力。
引用
@article{arxiv.1911.06407,
title = {Mining News Events from Comparable News Corpora: A Multi-Attribute Proximity Network Modeling Approach},
author = {Hyungsul Kim and Ahmed El-Kishky and Xiang Ren and Jiawei Han},
journal= {arXiv preprint arXiv:1911.06407},
year = {2019}
}