从历史报纸广告中进行多语言事件抽取
计算与语言
2023-05-19 v1 机器学习
摘要
NLP方法可帮助历史学家分析超出人工可行规模的文本材料。然而，开发此类方法面临重大挑战。首先，获取大型带标注的历史数据集十分困难，因为只有领域专家才能可靠地标注它们。其次，大多数现有的现成NLP模型是在现代语言文本上训练的，应用于历史语料时效果显著下降。对于研究较少的任务以及英语以外的语言，这一问题尤为突出。本文在关注历史文本新领域中未被充分探索的事件抽取任务的同时，应对上述挑战。我们引入了一个由早期现代殖民时期报道自行摆脱奴役的 enslaved people 的报纸广告组成的英语、法语和荷兰语多语言新数据集。我们发现：1）即使标注数据稀缺，通过将问题表述为抽取式QA任务并利用现代语言的现有数据集和模型，也能取得令人惊讶的良好结果；2）历史语言的跨语言低资源学习极具挑战性，而将历史数据集机器翻译到所考虑的目标语言，在实践中往往是最佳性能方案。
引用
@article{arxiv.2305.10928,
title = {Multilingual Event Extraction from Historical Newspaper Adverts},
author = {Nadav Borenstein and Natalia da Silva Perez and Isabelle Augenstein},
journal= {arXiv preprint arXiv:2305.10928},
year = {2023}
}
备注
Accepted to the main track of ACL2023