文档与时间信念的标注

我们可获取的大部分文本信息具有时间可变性。在信息动态化的世界中，为其标注时间是一项非常重要的任务。文档是良好的信息来源，被用于诸多任务，如情感分析、评论分类等。文档创建时间的知识有助于多项任务，如摘要、事件抽取、时间聚焦的信息抽取等。遗憾的是，对于网络上大多数文档，时间戳元数据或错误或缺损。因此文档 dating 是一项具挑战性的问题，需对文档的时间结构与上下文信息进行推断。先前的文档 dating 系统多依赖手工特征，而忽略此类文档内部结构。本文提出 NeuralDater，一种基于图卷积网络（GCN）的文档 dating 方法，以原则性方式联合利用文档的句法与时间图结构。我们也指出了 NeuralDater 的一些局限，并尝试以更灵活直观的方式利用文档中的上下文与时间信息，提出 AD3：Attentive Deep Document Dater，一种基于注意力的文档 dating 系统。据我们所知，这些是深度学习该方法的首批应用。通过在真实数据集上的大量实验，我们发现所提模型以显著优势超越 SOTA 基线。