Loading...
机构名称:
¥ 1.0

我们介绍了一项针对英语公司特定新闻中经济和财务事件注释的新型数据集的试点研究。事件处理会自动获得文本中描述的现实世界事件的“什么,谁,谁,何时何地”。事件提取包括识别事件触发器,即表达预定类型的事件并识别参与者参数的令牌,即表达原型参与者角色的令牌。Event extraction is typically an upstream step in pipelines for financial applications: it has been used for news summarization of single (Lee et al., 2003; Marujo et al., 2017) or multiple documents (Liu et al., 2007; Glavaˇs and ˇ Snajder, 2014), forecasting and market analysis (Nassirtoussi et al., 2014; Bholat et al., 2015; Nardo等,2016;这项工作旨在通过在文本中对经济事件触发器和参与者的论点进行分类,从而在财务领域中启用这些信息提取任务。我们对公司特定事件的续期数据集被认为与ACE基准Corpora的精细事件表示兼容,以便在该领域直接应用预付款。在我们的试点研究中,我们研究了现有的事件提取模型的可移植性,名为Dygie ++(Wadden等,2019b),以实现财务事件提取的任务。

从商业新闻中提取精细的经济活动

从商业新闻中提取精细的经济活动PDF文件第1页

从商业新闻中提取精细的经济活动PDF文件第2页

从商业新闻中提取精细的经济活动PDF文件第3页

从商业新闻中提取精细的经济活动PDF文件第4页

从商业新闻中提取精细的经济活动PDF文件第5页

相关文件推荐

2022 年
¥2.0
2025 年
¥1.0
2022 年
¥1.0
2023 年
¥1.0
2011 年
¥4.0
2025 年
¥1.0
2024 年
¥2.0
2024 年
¥1.0
2020 年
¥1.0
2020 年
¥1.0
2024 年
¥1.0
2024 年
¥3.0
2024 年
¥1.0
2015 年
¥1.0
2025 年
¥1.0
2024 年
¥9.0
2024 年
¥2.0
2023 年
¥8.0
2020 年
¥2.0
2025 年
¥2.0
2024 年
¥2.0
2025 年
¥1.0