SCStory：自监督与持续在线故事发现

我们提出了一个用于在线故事发现的框架 SCStory，它可以帮助人们在没有人工标注的情况下实时消化快速发布的新闻文章流。为了将新闻文章流组织成故事，现有方法直接对文章进行编码，并基于表示相似度对其进行聚类。然而，这些方法会产生嘈杂且不准确的故事发现结果，因为通用文章嵌入不能有效反映文章中指示故事的语义，且无法适应快速演变的新闻文章流。SCStory 采用自监督和持续学习，引入了新闻文章流的故事指示自适应建模这一新思想。借助一个轻量级的分层嵌入模块（首先学习句子表示，然后学习文章表示），SCStory 识别新闻文章中与故事相关的信息，并利用它们来发现故事。该嵌入模块以对比学习目标持续更新以适应不断演变的新闻流，并由两种独特技术（置信度感知记忆回放和优先级增强）作为支撑，用于解决标签缺失和数据稀缺问题。在真实且最新的新闻数据集上的全面实验表明，SCStory 在无监督在线故事发现方面优于现有的最先进算法。