Event StoryLine Corpus 论文阅读
本文是对 Caselli T, Vossen P. The event storyline corpus: A new benchmark for causal and temporal relation extraction[C]//Proceedings of the Events and Stories in the News Workshop. 2017: 77-86. 阅读的总结。有任何问题请邮件联系 arrogant262@gmail.com
Content
| The Event StoryLine Corpus v0.9 | 描述标注方式 |
| Experiments: Baselines | StoryLine Extraction task baseline |
| Related Work | 回顾以前的标注语料，分析异同 |
| Conclusion and Future Works | 总结，未来方向 |
开源地址：https://github.com/cltl/EventStoryLine.git
The Event StoryLine Corpus v0.9
ESC v0.9 的主要目标是为 event-centric StoryLine Extraction 任务提供评价基准。该任务可以描述为以下三个子任务的结合：
- Event Detection and Classification 事件的识别的分类
- Temporal Anchoring of Events 将提及的每个事件锚定到表示其发生时间的时态表达式，以及文档创建时间(DCT)
- Explanatory Relation Identification and Classification 选择时序或逻辑相关的事件对进行关系分类
storyline relation定义为事件之间的一种松散的因果或时序关系，一件事的提及解释了/证明了另一件事的发生（更多地细节在Section ~.3）。
storyline relation可以被分类为 rising action 或 falling action
事件和时序的表达式
事件和时序的表达式是 ESC v0.9 语料标注体系的基础。
本文所指的“事件“包含静态和动态两个方面，既包括通常事件的发生，又包括处于某种状态。对于”事件“的定义是 nlp 领域热议但是尚未达成一致的话题。文章采纳的是 ECB+ Annotation Guidelines 提出的定义，该定义也兼容 ACE 和 TimeML 。
事件的定义 事件是发生或保持的，任意即时的、持物的或静态的情景，由四部分组成：
- 动作：保持在什么状态或发生了什么
- 时间：标定事件保持的时间或发生的时间
- 地点：将动作和地点联系起来
- 参与者：动作涉及到谁、什么
事件标注边界的界定 这里论文讲的很含糊。不考虑词性，只有作为动作含义的承受者的词项被标注。这通常是因为词组的开头是动作。例子如下，事件用黑色标记
- This terrible war could have ended in a month
时序关系标注 参考 TIMEX3 标注准则，修改 ECB+ 标注准则。细节本文不进一步描述，可查看原论文学习。
Temporal Anchoring of Events (TLINKs)
不进一步描述，本文关注的重点是因果关系部分。
Explanatory Relation Annotation (PLOT LINKs)
事件对之间的 explanatory relations 用 PLOT_LINK 标签描述，和先前的研究 Caselli and Vossen (2016) 保持一致。PLOT_LINK设计用来捕捉 the semantics of plot structures ，即情节结构的语义信息。
PLOT_LINK有两种类别：
- rising_action：事件间接的、引起、导致另一事件
- falling_action：显示的标出推测和结论，事件是另一事件的（预期的）结果或影响。
PLOT_LINK 和因果、时序关系有一定的关联，但是也有区别：
- PLOT_LINK 包含因果，也包含其他关系：它包括权变关系、子事件关系、蕴涵关系和共同参与关系
- 通常没有通过词法结构显式的表明，是基于语义分析理解得到的关系
- 比起时序关系中的事件，PLOT_LINK 中的事件更加具体。他们添加了 explanatory information
PLOT_LINK 关系旨在帮助读者建立事件之间的语义关系。
PLOT_LINK是单向非传递的。考虑到这类关系的性质，非传递性是合理的。它们应用于事件对之间的本地级别的分析，并且不能被转移到全局级别，也就是说，被有助于识别故事线的整个事件链所继承。尽管受时间顺序的制约，这种关系的目的是使(新闻)故事中事件的连贯性或逻辑联系变得清晰。
至此我们能够对 PLOT_LINK 所表达的含义有一个更清晰的认识。PLOT_LINK 表达 explanatory relations ，即说明性的、帮助读者理解的关系信息。从标注结果上来看，和因果关系的重叠更多。
除此之外，PLOT_LINK还有参数来标记显式的因果关系，即存在触发词来突出因果关系（ e.g. because, from, for, among others）。由于该标注没有标记隐式因果关系，应用价值不大，不做进一步讨论。
Event Co-reference
事件的共指信息为外部数据的引入，以及多文档间的信息去重、融合等操作提供可能。
非关注重点，不做进一步描述。
Data Statistics
通过上述信息，可以没有困难的阅读原文对应段落。
Experiments: Baselines
吃个饭，回来再写。
Related Work
Conclusion and Future Works
本文提出了 ESC v0.9 ，是 StoryLine Extraction task 的第一个基准。同时提出了3个baseline系统来完成任务。这项任务的目标和以往的时序、因果关系抽取不同。相比时序任务，StoryLine Extraction task 只考虑和同一故事相关的事件。相比于因果任务，StoryLine Extraction task 比因果更加宽泛，包含了因果关系。该任务对叙事模型的建立很有帮助，叙事模型允许我们对新闻中的常见叙事结果进行学习。同时该任务提出的共指事件关系也为多文档摘要系统提供帮助。
未来，该语料库将进一步拓展。通过 crowd-sourcing （众包）的方式来拓展数量，同时增加 climax event 标签，来标注故事中的主题事件集合。除此之外，鲁棒性更高的系统将被开发。
参考资料
共享协议
本文由 ArrogantL 整理并在 CC BY-NC-SA 3.0 协议下发布。
请各位遵循 Markdown: License 及其它参考文献的共享协议来使用、修改和发布。