MUSIED：面向多源异构非正式文本的事件检测基准
计算与语言
2022-11-28 v1
摘要
事件检测（ED）从非结构化文本中识别并分类事件触发词，是信息抽取的一项基础任务。尽管过去几年取得了显著进展，大多数研究工作集中于从正式文本（如新闻文章、维基百科文档、金融公告）中检测事件。此外，每个数据集中的文本要么来自单一来源，要么来自多个但相对同质的来源。随着海量用户生成文本在Web和企业内部不断积累，从这些通常来自多个异构来源的非正式文本中识别有意义的事件，已成为一个具有重要实际价值的问题。作为将事件检测拓展至涉及非正式与异构文本场景的先驱探索，我们基于某领先餐饮服务电商平台中的用户评论、文字对话和电话对话，提出了一个大规模中文事件检测数据集。我们通过定量与定性检视数据样本，仔细考察了所提数据集的文本非正式性与多源异构性特征。采用当前最先进（SOTA）事件检测方法的大量实验验证了这些特征带来的独特挑战，表明多源非正式事件检测仍是一个开放问题，尚需进一步努力。我们的基准与代码发布于 \url{https://github.com/myeclipse/MUSIED}。
引用
@article{arxiv.2211.13896,
title = {MUSIED: A Benchmark for Event Detection from Multi-Source Heterogeneous Informal Texts},
author = {Xiangyu Xi and Jianwei Lv and Shuaipeng Liu and Wei Ye and Fan Yang and Guanglu Wan},
journal= {arXiv preprint arXiv:2211.13896},
year = {2022}
}
备注
Accepted at EMNLP 2022