TAILIEUCHUNG - Báo cáo khoa học: "Finding Salient Dates for Building Thematic Timelines"

We present an approach for detecting salient (important) dates in texts in order to automatically build event timelines from a search query (. the name of an event or person, etc.). This work was carried out on a corpus of newswire texts in English provided by the Agence France Presse (AFP). In order to extract salient dates that warrant inclusion in an event timeline, we first recognize and normalize temporal expressions in texts and then use a machine-learning approach to extract salient dates that relate to a particular topic | Finding Salient Dates for Building Thematic Timelines Remy Kessler LIMSI-CNRS Orsay France kessler@ Xavier Tannier Univ. Paris-Sud LIMSI-CNRS Orsay France xtannier@ Caroline Hagege Xerox Research Center Europe Meylan France hagege@ Veronique Moriceau Univ. Paris-Sud LIMSI-CNRS Orsay France moriceau@ Abstract We present an approach for detecting salient important dates in texts in order to automatically build event timelines from a search query . the name of an event or person etc. . This work was carried out on a corpus of newswire texts in English provided by the Agence France Presse AFP . In order to extract salient dates that warrant inclusion in an event timeline we first recognize and normalize temporal expressions in texts and then use a machine-learning approach to extract salient dates that relate to a particular topic. We focused only on extracting the dates and not the events to which they are related. 1 Introduction Our aim here was to build thematic timelines for a general domain topic defined by a user query. This task which involves the extraction of important events is related to the tasks of Retrospective Event Detection Yang et al. 1998 or New Event Detection as defined for example in Topic Detection and Tracking TDT campaigns Allan 2002 . The majority of systems designed to tackle this task make use of textual information in a bag-of-words manner. They use little temporal information generally only using document metadata such as the document creation time DCT . The few systems that do make use of temporal information such as the now discontinued Google timeline only extract absolute full dates that feature a day month and year . In our corpus described in Section we found that only 7 of extracted temporal expressions are absolute dates. Andre Bittar Xerox Research Center Europe Meylan France bittar@ We distinguish our work from that of previous researchers in that we have focused .

• Báo cáo khoa học
• Finding Salient Dates
• Building Thematic Timelines
• Long Papers
• báo cáo khoa học
• báo cáo ngôn ngữ
• ngôn ngữ tự nhiên
• Bài giảng Xử lý ngôn ngữ tự nhiên
• Xử lý ngôn ngữ tự nhiên
• Kỹ thuật lập trình
• Mô hình ngôn ngữ
• Mô hình n gram
• Dịch máy
• Phương pháp dịch máy
• Hiểu ngôn ngữ
• Phân loại tin tự động
• Tạo chí tin học
• Điều khiển học
• Truy vấn ngôn ngữ tự nhiên
• Phép dịch truy vấn ngôn ngữ tự nhiên
• Truy vấn SQL
• Văn phạm ngữ nghĩa
• Xử lý nhập nhằng ngữ nghĩa
• Xử lý ngữ nghĩa
• Phân tích ngữ nghĩa
• Biểu diễn vị từ
• Thuộc tính về sự kiện
• Thuộc tính về sự kiện
• Xử lý ngôn ngữ
• Natural Language Processing
• Ngôn ngữ lập trình
• Nhập nhằng cấu trúc
• Tri thức về ngôn ngữ
• Mô hình ngôn ngữ Google Book N grams
• Mô hình ngôn ngữ KenLM
• Phương pháp làm mịn
• Bài toán PTCP
• Phân tích cú pháp
• Cấu trúc ngữ pháp
• Phân tích cú pháp xác suất
• CKY kết hợp xác suất
• Văn phạm phi ngữ cảnh xác suất
• Hình thái học
• Gán nhãn từ loại
• Ngôn ngữ tự nhiên trong dịch máy
• Hệ thống dịch máy
• Phương pháp xây dựng bảng từ
• Tác từ
• Conditional random fields
• Nhận dạng thực thể có tên
• Đối tượng vật lý trừu tượng
• Phân lớp văn bản
• Biểu diễn nhị phân
• Ma trận từ văn bản
• Wolfram Alpha
• Trích rút thông tin
• Phương pháp Snowball