händelseutvinning

Händelseutvinning, eller event extraction, är en del av natural language processing som syftar till att identifiera händelser i text och att extrahera relevanta argument såsom aktörer, platser, tider och övriga detaljer. En händelse kännetecknas ofta av en typ (t.ex. möte, förhandling, olycka) och ett antal roller som beskriver deltagare och omständigheter kring händelsen. En vanlig komponent är att upptäcka händelseutlösare (triggers) och sedan koppla dem till rätt händelsetyp och argument.

En vanlig pipeline är: 1) upptäcka och klassificera händelseutlösare, 2) identifiera och märka händelseargument (t.ex. medverkande, plats, tid, mål), 3) analysera relationer mellan händelser och tidsinformation, inklusive sekvenser och temporala ordningar.

Metoderna varierar från regelbaserade system till maskininlärning och djupinlärning. Traditionellt byggdes system med handgjorda regler och mönster. Moderna metoder använder transformerbaserade språkmodeller som tränas på annotationsdata och kombineras med strategier som sekvensetikettering, grafbaserade modeller eller hybrida regel-neural-ramverk. Utvärdering sker med mått som precision, recall och F1.

Utmaningar inkluderar tvetydighet, negation och implicit information, domän- och språkvariationer samt behovet av robust temporär och rumslig tolkning. Tillämpningar av händelseutvinning inkluderar nyhetsbevakning, informationssökning, sammanfattning, frågebaserat svar och risk- eller säkerhetsanalys.