面向叙事理解的重要性感知事件链建模

无论是通过寓言、新闻报道、纪录片还是回忆录进行的叙事，都可以被视为对有趣且相关事件的传达，这些事件共同构成一个具体的过程。提取代表此类过程的事件链是值得做的。然而，这种提取仍然是一个具有挑战性的问题。我们认为这是由于发现事件链所基于的文本的性质所致。自然语言文本将具体的、显著性事件叙事与背景信息、语境化、观点以及其他元素交织在一起，这些元素对于各种必要的语篇和语用行为很重要，但不属于所传达的主要事件链。我们引入了从自然语言文本中提取主要事件链的方法，通过过滤掉非显著性事件和支撑性句子。我们通过比较这些方法对下游任务的影响，展示了我们的方法在隔离关键事件链方面的有效性。我们表明，通过在提取的事件链上预训练大语言模型（LLM），我们在两个受益于对事件链的清晰理解的任务上获得了改进：叙事预测和基于事件的时间问答。所展示的改进和消融研究证实了我们的提取方法隔离了关键事件链。