《学习事件模式的时间与跨模态关联方案（LESTAT）》最新57页技术报告

脚本内的事件通过(a)时间顺序（例如，车辆价格协商发生在购车前）与(b)共享论元（例如，购车者即为议价者）相互关联。美国国家标准与技术研究院（NIST）负责该知识库质量的外部评估；伊利诺伊大学厄巴纳-香槟分校（UIUC）的RESIN引擎基于流式输入预测可能事件。南加州大学信息科学研究所（USC ISI）开发了“机器辅助脚本编修工具”（MASC）——一款供自然语言处理非专业人员使用的脚本创建工具。基于文本的脚本发掘方法受限于文本不完整性，而人工编写机器可解析脚本方案则存在编写者遗漏步骤的固有倾向，以及必要形式化本体映射的挑战。为辅助脚本创作者，MASC提供以下类别的建议：

(1) 每项事件的本体类型； (2) 事件的论元及其对应角色； (3) 推荐论元的细粒度本体类型； (4) 编者可能遗漏的步骤

南加州大学信息科学研究所同时探索了时序关系自动化处理。然而，发现人工审核时序关系具有关键意义——部分原因是复杂事件中诸多特定子事件不存在单一既定顺序。除通过子事件间时序关系组织模式外，MASC支持引入层级结构以实现复杂事件的意义化分组。通过该工具，团队探索了多种层级构建方案：既在逻辑门上采用人类可解析的命名以定义子事件间非时序关系，也支持创建可复用命名子模式单元，可被导入全库大型模式中。南加州大学信息科学研究所的成果包括：
• 开发人机智能交互界面MASC，用于创建、审查与编修完整本体化的复杂事件结构描述方案；
• 在知识库中构建约200个复杂事件模式。其中程序员构建占比显著，另有多元背景硕士生参与；
• 提交接受正式评估的模式知识库，包含聚焦五类复杂事件的52个方案：恐怖主义事件、疾病爆发、化学品泄漏、暴动与政变。