【KDD2022】海量文本语料库中的无监督关键事件检测

从新闻语料库中自动检测事件是挖掘快速进化的结构化知识的关键。由于现实世界的事件具有不同的粒度，从顶级主题到关键事件，再到与具体行动相对应的事件提及，通常有两种研究方向:(1)主题检测从新闻语料库中识别出主要主题(如“2019年香港抗议”vs.;“2020年美国总统选举”)，语义非常明确;(2)动作抽取(action extraction)从一个文档提及级别的动作(例如，“警察打了抗议者的左臂”)中提取，这些动作粒度太细，无法理解事件。在本文中，我们提出了一个新的任务，即中间层次的关键事件检测，旨在从一个新闻语料库中检测出发生在特定时间/地点、关注同一主题的关键事件(如“8月12-14日香港机场抗议”)。由于关键事件的主题和时间的紧密性，以及由于新闻文章的快速发展而导致标记数据的稀缺，这一任务可以将事件理解和结构连接起来，并且具有内在的挑战性。为了应对这些挑战，我们开发了一个无监督的关键事件检测框架EvMine，该框架(1)使用一种新的ttf-itf评分提取时间频繁的峰值短语，(2)通过从我们设计的峰值短语图中检测社区，将峰值短语合并到事件指示性特征集，该图捕捉文档共现、语义相似性和时间紧密性信号，(3)通过从事件指示性特征集自动生成伪标签训练分类器，并使用检索到的文档细化检测到的关键事件，迭代检索与每个关键事件相关的文档。大量的实验和案例研究表明，EvMine在两个真实世界的新闻语料库上优于所有的基线方法和它的改进。

https://arxiv.org/pdf/2206.04153.pdf