聊聊“事件抽取” | 每周话题精选 #05

➊

事件抽取的定义/概念是什么？哪些比赛/会议给出了定义？

A: 时间，地点，人物，故事情节。

A: ACE 05 中对事件进行了明确的定义。

A: 属性信息（Attribute），包括：类型（Type）、子类（Subtype）、模态（Modality）、倾向性（Polairty）、普遍性（Genericity）和时态（Tense）。

Q: 不同任务对事件的定义不同吧，能具体解释下这些字段吗？

A: 属性是实体、数值和时间的集合。

A: 我认为关系抽取一般来说是针对两个实体的，而事件抽取的话，不同事件类型会对应不同的元素元素（事件要素）。

A: 一般来说是的，需要提前定义好事件的类型以及每种类型包含的属性。

A: ACE05 中给出了类似的 schema，此处给出 ace05 对事件抽取的定义：

Q: 能简单介绍一些事件抽取的应用背景吗？

A: 比如一个事件里的被杀人数就是个数值，我记得最开始是用于反恐情报收集的。

A: 之前看过有人写事件是一种特殊的关系，不知道是否正确。

A: 新闻撰写机器人，比如百度知识图谱团队研发的写稿机器人，基于事件图谱自动生成一些大事件文章。

Q: 事件是要分类型的吧 ？

A: 看描述好像也有实体那种感觉。

A: 事件类型要先定义出来。

A: 有些研究是针对微博，将事件分为 4 元组：命名实体， 事件短句，日期，事件类型。

A: 觉得定义事件跟抽取语义是一样的，此处放上一张分类ace05事件抽取分类图：

Q: 事件抽取针对的是一段话还是一篇文章呢？

A: 针对一句话是 sentence-level 的，还有 document-level，cross-sentence level，cross-document level 的等等。

➋

有哪些常用的评测数据集和评测标准？

A: ACE2005

➌

国内外有哪些研究团队和学者，它们主要研究的目标是什么？

A: 国内好像苏州大学周国栋团队，哈工大刘挺，秦兵团队。

A: 国外有韩家炜，继桓团队。

A: Heng 的相关文章推荐读。

A: 国内企业有百度知识图谱团队。

A: 国内外相关研究团队发表的论文：

➍

事件抽取有哪些应用场景和实际的产品？

A: 股票，金融，QA，新闻趋势跟踪，舆情，事件型投资，并购。

A: 反恐，反诈骗，政策性投资。

A: 生物医学有类似药物不良反应的事件抽取。

A: 通过对新闻热点事件的抽取，也许可以用来预测 IT 基础设施的故障，这个案例 NTT 做过，通过大量新闻事件的分析抽取预测了大规模网络故障。

Q: 为什么通过新闻可以预测网络故障呢？

A: 如果突然有个突发事件，网络上也许会引发大规模的群体关注，相关网络的服务器也许突然大规模负载上升。

A: 百度的知识图谱团队在事件图谱这块开展了不少前沿性的工作，并已经落地在了一些产品上；他们的目标是打造一个覆盖面最全时效性最快分析最全面精准的中文事件图谱。目前的产品形态比如事件脉络，明星事件追踪，明星历史热点等产品：