Resumen

En la era del rápido desarrollo de la Internet actual, la gente a menudo se siente abrumada por los vastos flujos de noticias oficiales o los tweets de los medios de comunicación no oficiales. Para ayudar a las personas a obtener los temas de las noticias que les interesan, cada vez es más necesario contar con sistemas que puedan extraer eventos importantes de esta cantidad de datos y construir el procedimiento de evolución de los eventos de forma lógica en una historia. La mayoría de los métodos existentes tratan la detección y la evolución de los acontecimientos como dos subtareas independientes en el marco de una canalización integrada. Sin embargo, a menudo se ignora la interdependencia entre estas dos subtareas, lo que conduce a una propagación sesgada. Además, debido a las limitaciones de la representación semántica de los documentos de noticias, el rendimiento de la detección y la evolución de eventos sigue siendo limitado. Para hacer frente a estos problemas, en este trabajo proponemos un modelo de detección y evolución conjunta de eventos (JEDE), para detectar eventos y descubrir las relaciones de evolución de los mismos a partir de flujos de noticias. En concreto, el modelo JEDE propuesto se basa en la red siamesa, que introduce primero la red de atención GRU bidireccional para aprender la representación semántica basada en vectores de los documentos de noticias compartidos en dos redes de subtareas. A continuación, se aprenden dos métricas de similitud continua mediante redes neuronales apiladas para juzgar si dos documentos de noticias están relacionados con el mismo evento o si dos eventos están relacionados con la misma historia. Además, debido al limitado conjunto de datos disponibles con verdades básicas, nos esforzamos por construir un nuevo conjunto de datos, denominado EDENS, que contiene etiquetas válidas de acontecimientos e historias. Los resultados experimentales en este conjunto de datos recién creado demuestran que, gracias a la representación compartida y al entrenamiento conjunto, el modelo propuesto consigue sistemáticamente mejoras significativas con respecto a los métodos de referencia.

• Materias:Minería de datos Algoritmos genéticos Cerebro - fisiopatología Neurociencia Cognitiva Neurofisiología
• Subjects:Data mining Genetic algorithms Brain - pathophysiology Cognitive Neuroscience Neurophysiology
• Palabras claves:documento de noticias, detección de eventos, limitaciones de las noticias, historia, atención gru bidireccional, relación de evolución de los eventos, configuración de tuberías integradas, red neuronal apilada, evolución, procedimientos de eventos
• Keywords:news document, events detection, limitations of news, story, bidirectional gru attention, events evolution relationship, integrated pipeline setting, stacked neural network, evolution, procedures of events