通过分类统一时间锚表示诱导的子级时间关系预测事件时间
计算与语言
2020-08-17 v1 机器学习
摘要
从新闻文章中提取事件时间是一项具有挑战性但引人关注的任务。与大多数现有的成对时间链接标注不同，Reimers 等人（2016）提出标注每个事件的时间锚（即确切时间）。他们的工作用单日/多日以及确定/不确定的离散表示来表征时间锚。这增加了对两个时间锚之间时间关系建模的复杂度，此类关系无法归入 Allen 区间代数（Allen, 1990）的关系类别。本文提出一种有效的方法，通过为单日/多日和确定/不确定的时间锚引入统一的四元组表示，将此类复杂时间关系分解为子级关系。时间关系分类器以多标签分类方式进行训练。我们方法的结构比现有的决策树模型（Reimers 等人，2018）简单得多，该决策树模型由十几个节点分类器组成。本工作的另一贡献是构建了一个更大的事件时间语料库（256 篇新闻文档），具有合理的标注者间一致性（IAA），以克服现有事件时间语料库（36 篇新闻文档）的数据短缺问题。实证结果表明，我们的方法优于最先进的决策树模型，且数据量的增加带来了性能的显著提升。
引用
@article{arxiv.2008.06452,
title = {Predicting Event Time by Classifying Sub-Level Temporal Relations Induced from a Unified Representation of Time Anchors},
author = {Fei Cheng and Yusuke Miyao},
journal= {arXiv preprint arXiv:2008.06452},
year = {2020}
}
备注
9 pages, 4 figures