Ereignisse aus mehreren Quellen ernten: Auf dem Weg zu einem übergreifenden Ereignisextraktionsparadigma

Die dokumentenbasierte Ereignisextraktion zielt darauf ab, strukturierte Ereignisinformationen aus unstrukturiertem Text zu extrahieren. Ein einzelnes Dokument enthält jedoch oft nur begrenzte Ereignisinformationen, und die Rollen unterschiedlicher Ereignisargumente können durch die Einflussnahme der Informationsquelle verzerrt sein. In diesem Papier werden die Einschränkungen der traditionellen dokumentenbasierten Ereignisextraktion adressiert, indem die Aufgabe der übergreifenden Ereignisextraktion (CDEE) vorgeschlagen wird, um Ereignisinformationen aus mehreren Dokumenten zu integrieren und eine umfassende Perspektive auf Ereignisse zu bieten. Wir stellen ein neuartiges Datenset für die übergreifende Ereignisextraktion, nämlich CLES, zusammen, das 20.059 Dokumente und 37.688 Ereignisse auf Erwähnungsebene enthält, von denen über 70 % übergreifend sind. Um einen Benchmark zu erstellen, schlagen wir eine CDEE-Pipeline vor, die aus 5 Schritten besteht: Ereignisextraktion, Kofeferenzauflösung, Entitätsnormalisierung, Rollen-Normalisierung und Entitäts-Rollen-Auflösung. Unsere CDEE-Pipeline erreicht etwa 72 % F1 in der durchgängigen übergreifenden Ereignisextraktion und deutet auf die Herausforderung dieser Aufgabe hin. Unsere Arbeit schafft eine neue Linie der Informationsextraktionsforschung und wird neue Forschungsinteressen anziehen.