Огляд методів екстрагування подій «з потоку новин»
DOI:
https://doi.org/10.35681/1560-9189.2015.17.4.100336Ключові слова:
екстрагування подій, класифікація методів екстрагування, огляд методів екстрагування подійАнотація
Розглянуто проблеми і актуальність екстрагування подій, проаналізовано основні методи екстрагування подій, зроблено класифікацію основних методів екстрагування. Надано приклади та опис основних методів екстрагування. Виявлено та обумовлено необхідність спільного використання як методів, що основані на правилах, так і методів, що основані на статистиці. Іл.: 4. Біб-ліогр.: 12 найм.Посилання
Ritter A. Named Entity Recognition in Tweets: An Experimental Sudy // A. Ritter, O. Etzioni // Proc. of EMNLP. — 2011. — P. 1524–1534.
Saif H. Semantic sentiment analysis of twitter / H. Saif, H. Alani // The Semantic Web-ISWC. — 2012.
Freitag D. Boosted wrapper induction // D. Freitag, N. Kushmerick // Proc. of 17-th National Conf. on Artificial Intelligence. — 2000. — P. 577–583.
Masayuki O. Discovering Volatile Events in Your Neighborhood: Local-Area Topic Extraction from Blog Entries / O. Masayuki, K. Masaaki // Proc. of 5-th Asia Information Retrieval Symposium, AIRS 2009. — Sapporo (Japan). — 2009, October 21–23.
Tanev H. Enhancing Event Descriptions through Twitter Mining / H. Tanev, M. Ehrmann, J. Piskorski // Proc.of ICWSM. — 2012.
Qi L. Joint Event Extraction via Structured Prediction with Global Features / L. Qi, J. Heng, H. Liang // Proc. of 51-st Annual Meeting of the Association for Computational Linguistics (ACL). — 2013.
Collins M. Discriminative training methods for Hidden Markov models: theory and experiments with Perceptron algorithms / M. Collins // Proc. of the Conf. on Empirical Methods in NLP. — 2002.
McCallum A. Maximum Entropy Markov Models for information extraction and segmentation / A. McCallum, D. Freitag, F. Pereira // Proc. of the 17-th Internation. Conf. on Machine Learning. — 2000. — P. 591–598.
Lafferty J. Conditional Random Fields: 34 Probabilistic models for segmenting and labeling sequence data / J. Lafferty, A. McCallum, F. Pereira // Proc. of the 18-th Internation. Conf. on Machine Learning (ICML’01). — 2001. — P. 282–289.
Finkel J. Incorporating non-local information into information extraction systems by gibbs sampling / J. Finkel, T. Grenager, C. Manning // Proc. of the 43-rd Annual Meeting of the Association for Computational Linguistics. — 2005. — P. 363–370.
Pinoli P. Latent Dirichlet Allocation based on Gibbs Sampling for gene function prediction. Proc. of the Internation. Conf. on Computational Intelligence in Bioinformatcs and Computational Bio-logy / P. Pinoli, D. Chicco, D. Masseroli // IEEE Computer Society. — 2014. — P. 1–7.
Lande D.V. Avtomatychna pobudova terminolohichnoyi merezhi yak modeli predmetnoyi oblasti / D.V. Lande, S.V. Pryshchepa, T.V. Synkova // Reyestratsiya, zberihannya i obrob. danykh — 2015. — Vol. 17, No. 3. — S. 22–29.
