总统上周去了哪里？从新闻文章中检测名人行程
摘要：名人的行踪十分重要。例如，政治家去哪里、访问频率如何以及与谁会面都具有深远的地缘政治和经济影响。尽管新闻文章包含名人的出行信息，但由于缺乏自动行程检测工具，无法进行大规模和网络化的分析。为了设计这种工具，我们必须克服新闻文章之间的异质性带来的困难：1）单个文章可能有噪声，涉及无关人员和地点，特别是文章很长时。2）虽然考虑多篇文章一起确定特定行程可能会有帮助，但关键语义仍然分散在不同的文章中，与各种噪声交织在一起，很难有效地汇总它们。3）超过20％的文章间接提到了名人的行程，而不是直接使用确切的名人或地点名称，导致大部分行程逃脱常规的检测算法。我们将与每个候选地点相关的文章中的文本内容建模为图，以更好地关联重要信息并消除噪声。此外，我们基于注意机制和节点相似性设计了一个特殊的池化层，以减少较长文章中的无关信息。为了弥补间接提及导致的信息缺失，我们为命名实体（人物、组织、设施等）构建了知识子图。具体而言，我们根据新闻描述动态更新事件实体（如G7峰会）的嵌入，因为事件的属性（日期和地点）每次都会发生变化，这是预训练事件表示所没有捕捉到的。提出的CeleTrip综合训练了这些模块，优于所有基线模型，并在F1指标上达到82.53％。
作者：Kai Peng, Ying Zhang, Shuai Ling, Zhaoru Ke, Haipeng Zhang
论文ID：2307.08721
分类：Artificial Intelligence
分类简称：cs.AI
提交时间：2023-07-19