gebeurtenisextractie

Gebeurtenisextractie is een taak binnen informatie-extractie die gericht is op het herkennen en structureren van gebeurtenissen uit tekst. Het doel is om uit ongestructureerde bronnen zoals nieuwsartikelen, rapporten of sociale media zowel de gebeurtenissoort als de relevante informatievelden te extraheren.

Een gebeurtenis bestaat doorgaans uit een type en een set argumenten of rollen. Het type geeft aan welke gebeurtenis het is (bijvoorbeeld een overname, een aankoop of een protest), terwijl de argumenten de deelnemers en context beschrijven, zoals wie erbij betrokken is (agent), wat er gebeurt (object/tema), wanneer en waar het gebeurt, en eventueel instrumenten of redenen. Een specifieke gebeurtenis wordt vaak gemarkeerd door een triggerwoord of uitdrukking die de gebeurtenis aanduidt.

Methoden voor gebeurtenisextractie variëren van regel-gebaseerde systemen tot statistische en diepe leermodellen. Traditioneel worden patronen, gazetteers en afhankelijkheidsparsing toegepast. Moderne systemen gebruiken neurale netwerken en pre-trained taalmodellen, vaak in een end-to-end of gezamenlijke leeropzet, om triggers en argumenten tegelijk te herkennen en te koppelen.

Toepassingen omvatten ondersteuning bij nieuws- en onderzoeksanalyse, automatische samenvatting en vraag-beantwoording, risicoanalyse in bedrijfs- of beveiligingscontext, en het bouwen van semantische zoek- en kennisgrafen. Evenementgegevens kunnen worden geëxporteerd naar gestructureerde gegevensmodellen voor downstream taken.

Uitdagingen zijn onder meer het herkennen van impliciete gebeurtenissen, cross-sentence en cross-document verwijzingen, kernreferentie en co-referentie, ambiguïteit van triggerwoorden, negatie en modaliteit, en de temporele volgorde van gebeurtenissen. Daarnaast verschilt de aanpak per taal en domein.

Evaluatie gebruikt meestal precisie, recall en F1-score. Veel gebruikte benchmarks zijn ACE-2005 en RAMS, maar ook domeinspecifieke corpora en multinationale datasets bestaan. Gebeurtenisextractie is een actief onderzoeksgebied, met aandacht voor crosslinguale en cross-domein generalisatie en integratie met andere informatie-extractie taken.