从海量文本语料中无监督检测关键事件

从新闻语料中自动检测事件是挖掘快速演化的结构化知识的关键任务。由于真实世界事件具有不同粒度——从顶层主题到关键事件，再到对应具体动作的 event mention——通常存在两条研究主线：（1）主题检测从新闻语料中识别具有显著不同语义的主要主题（如“2019 香港抗议” vs.“2020 美国总统大选”）；（2）动作抽取从单篇文档中抽取提及级动作（如“警察击中抗议者左臂”），其粒度过细而不利于理解事件。本文提出一项新任务，即中间层级的关键事件检测，旨在从新闻语料中检测关键事件（如“8.12–14 香港机场抗议”），每个事件发生于特定时间/地点并聚焦同一话题。该任务可桥接事件理解与结构化，并因关键事件在主题与时间上的接近性以及新闻文章快速演化导致的标注数据稀缺而固有困难。为应对这些挑战，我们开发了无监督关键事件检测框架 EvMine，其（1）利用新颖的 ttf-itf 分数抽取时间频繁的峰值短语，（2）通过从我们设计的捕获文档共现、语义相似性与时间接近性信号的峰值短语图中检测社区，将峰值短语合并为事件指示性特征集，（3）利用事件指示性特征集自动生成的伪标签训练分类器并迭代检索与各关键事件相关文档，再用检索文档精炼检测到的关键事件。大量实验与案例研究表明，EvMine 在两个真实世界新闻语料上优于所有基线方法及其消融变体。