論文の概要: Planned Event Forecasting using Future Mentions and Related Entity Extraction in News Articles

• arxiv url: http://arxiv.org/abs/2511.07879v1
• Date: Wed, 12 Nov 2025 01:26:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-12 20:17:03.519336
• Title: Planned Event Forecasting using Future Mentions and Related Entity Extraction in News Articles
• Title（参考訳）: 今後の取り組みと関連エンティティ抽出によるニュース記事のイベント予測
• Authors: Neelesh Kumar Shukla, Pranay Sanghvi,
• Abstract要約: 本稿では,話題モデリングとWord2vecを用いた社会的不安事象の予測システムを開発した。 我々は,市民の不安イベントをフィルタリングする重要な特徴を特定するために,地理的に独立して一般化されたモデルを開発した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In democracies like India, people are free to express their views and demands. Sometimes this causes situations of civil unrest such as protests, rallies, and marches. These events may be disruptive in nature and are often held without prior permission from the competent authority. Forecasting these events helps administrative officials take necessary action. Usually, protests are announced well in advance to encourage large participation. Therefore, by analyzing such announcements in news articles, planned events can be forecasted beforehand. We developed such a system in this paper to forecast social unrest events using topic modeling and word2vec to filter relevant news articles, and Named Entity Recognition (NER) methods to identify entities such as people, organizations, locations, and dates. Time normalization is applied to convert future date mentions into a standard format. In this paper, we have developed a geographically independent, generalized model to identify key features for filtering civil unrest events. There could be many mentions of entities, but only a few may actually be involved in the event. This paper calls such entities Related Entities and proposes a method to extract them, referred to as Related Entity Extraction.
• Abstract（参考訳）: インドのような民主主義では、人々は自分の見解や要求を自由に表現できる。 これは時として抗議、集会、行進などの市民の不安を引き起こす。 これらの出来事は本質的に破壊的であり、しばしば権限のある権威から事前の許可なしに行われる。 これらの出来事を予知することは行政官が必要な行動を取るのに役立つ。 通常、抗議活動は大きな参加を促すために事前に発表される。 したがって、こうした発表をニュース記事で分析することにより、事前に計画されたイベントを予測することができる。 本稿では,トピックモデリングとワード2vecによる関連ニュース記事のフィルタリングによる社会的不安事象の予測システムと,人,組織,場所,日付などのエンティティを識別する名前付きエンティティ認識(NER)手法を開発した。 時間正規化は、将来の日付の言及を標準フォーマットに変換するために適用される。 本稿では,市民の不安イベントをフィルタリングする重要な特徴を特定するために,地理的に独立して一般化されたモデルを開発した。 エンティティについて多くの言及があるかも知れませんが、実際にイベントに関与しているのはごくわずかです。 本稿では、そのようなエンティティを関連エンティティと呼び、関連エンティティ抽出と呼ばれるエンティティを抽出する方法を提案する。

関連論文リスト

• Continual Event Extraction with Semantic Confusion Rectification [50.59450741139265]
  本研究では, 連続イベント抽出法について検討し, 忘れることを避けつつ, 間欠的に出現するイベント情報を抽出することを目的とした。 イベントタイプに関するセマンティックな混乱は、時間とともに更新される同じテキストのアノテーションに由来することを観察する。 本稿では,意味的混乱を是正した新しい連続イベント抽出モデルを提案する。
  論文  参考訳（メタデータ） (2023-10-24T02:48:50Z)
• What happens before and after: Multi-Event Commonsense in Event Coreference Resolution [9.57377689986741]
  本稿では,イベント参照を時間的コモンセンス推論で拡張するモデルを提案する。 このような推論を既存のイベントコアモデルに組み込むことで、その性能が向上することを示す。
  論文  参考訳（メタデータ） (2023-02-20T01:51:01Z)
• Early Discovery of Emerging Entities in Persian Twitter with Semantic Similarity [0.8029049649310211]
  新興企業(EE)の発見は、設立前の企業を見つけることの課題である。 本稿では,データセット上でのトレーニングを必要とせずに,EEを検出可能なオンラインクラスタリング手法であるEEPTを提案する。 その結果,EEPTは有望であり,設立前に重要な存在を見出すことができた。
  論文  参考訳（メタデータ） (2022-07-06T04:46:07Z)
• Extracting Large Scale Spatio-Temporal Descriptions from Social Media [1.14219428942199]
  大規模イベントの追跡能力は、それらを理解し、適切なタイムリーな方法で反応を調整するために不可欠である。 我々は、ソーシャルメディアのような半構造化データソースを取り込み、このようなデータを拡張できるという仮説を模索している。 ソーシャルメディアは、直接の目撃者や専門家の意見などの貴重な知識を拡散しうるが、その騒々しい性質は、それらを管理しやすくするものではない。
  論文  参考訳（メタデータ） (2022-06-27T13:16:43Z)
• Query and Extract: Refining Event Extraction as Type-oriented Binary Decoding [51.57864297948228]
  本稿では,自然言語クエリとしてイベントタイプと引数ロールを取り入れた新しいイベント抽出フレームワークを提案する。 我々のフレームワークは、イベントタイプや引数ロールと入力テキストとのセマンティックな相関をよりよく捉えるための注意機構の恩恵を受ける。
  論文  参考訳（メタデータ） (2021-10-14T15:49:40Z)
• Understanding Politics via Contextualized Discourse Processing [32.45844219516005]
  政治家は、しばしば出来事に反応する際の基本的な議題を持つ。 我々のモデルは、複数の文書を一度に処理し、複数の問題やイベントに関する複数のエンティティの合成表現を生成することができる。
  論文  参考訳（メタデータ） (2020-12-31T18:07:07Z)
• Unsupervised Label-aware Event Trigger and Argument Classification [73.86358632937372]
  まず,利用可能なツール(srlなど)でイベントを識別し,それを事前に定義されたイベントタイプに自動マップする,教師なしイベント抽出パイプラインを提案する。 事前訓練された言語モデルを利用して、イベントトリガと引数の両方の事前定義された型を文脈的に表現します。 我々は、トリガーの83%と引数の54%を正しい型にマッピングし、以前のゼロショットアプローチのパフォーマンスをほぼ倍にしました。
  論文  参考訳（メタデータ） (2020-12-30T17:47:24Z)
• Event-Related Bias Removal for Real-time Disaster Events [67.2965372987723]
  ソーシャルメディアは、自然災害や大量攻撃などの危機事象に関する情報を共有する重要なツールとなっている。 有用な情報を含む実行可能なポストを検出するには、大量のデータをリアルタイムに高速に分析する必要がある。 我々は、潜在事象固有のバイアスを除去し、ツイート重要度分類の性能を向上させるために、敵対的ニューラルモデルを訓練する。
  論文  参考訳（メタデータ） (2020-11-02T02:03:07Z)
• Temporal Common Sense Acquisition with Minimal Supervision [77.8308414884754]
  この研究は、時間的常識の明示的で暗黙的な言及を活用する新しいシーケンスモデリング手法を提案する。 本手法は,時間的共通感覚の様々な次元の質予測を行う。 また、時間比較、親子関係、イベントコア参照、時間的QAなど、関連するタスクに対するイベントの表現も生成する。
  論文  参考訳（メタデータ） (2020-05-08T22:20:16Z)
• A German Corpus for Fine-Grained Named Entity Recognition and Relation Extraction of Traffic and Industry Events [63.08899104652265]
  この研究は、微粒な地理的要素で注釈付けされたドイツ語文書のコーパスを記述する。 また、15の交通・産業関連n-aryリレーションシップやイベントもアノテートされている。 コーパスは、ニュースワイヤーのテキスト、Twitterメッセージ、ラジオ局、警察、鉄道会社からの交通報告で構成されている。
  論文  参考訳（メタデータ） (2020-04-07T11:39:50Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。