基于未来提及和相关实体抽取的新闻文章计划事件预测
计算与语言
2025-11-12 v1
摘要
在像印度这样的民主国家，人们可以自由表达自己的观点和诉求。有时这会导致诸如抗议、集会和游行等公民骚乱事件。这些事件可能具有破坏性，且往往未经主管当局事先许可而举行。预测这些事件有助于行政官员采取必要行动。通常，抗议活动会提前很长时间宣布以鼓励大规模参与。因此，通过分析新闻文章中的此类公告，可以提前预测计划中的事件。在本文中，我们开发了这样一个系统，使用主题建模和word2vec来过滤相关新闻文章，并使用命名实体识别(NER)方法来识别人物、组织、地点和日期等实体，从而预测社会骚乱事件。应用时间归一化将未来的日期提及转换为标准格式。在本文中，我们开发了一个地理无关的通用模型，用于识别过滤公民骚乱事件的关键特征。可能存在许多实体提及，但实际参与事件的可能只有少数。本文将这些实体称为相关实体，并提出了一种提取它们的方法，称为相关实体抽取。
引用
@article{arxiv.2511.07879,
title = {Planned Event Forecasting using Future Mentions and Related Entity Extraction in News Articles},
author = {Neelesh Kumar Shukla and Pranay Sanghvi},
journal= {arXiv preprint arXiv:2511.07879},
year = {2025}
}