الترتيب الحدثي الكثيف باستخدام معمارية متعددة المرات

خلال العقد الماضي من أبحاث ترتيب الحوادث، ركزت الدراسات على تعلم الترتيب الجزئي بين أحداث المستندات والعبارات الزمنية. يحتوي الأكثر شيوعًا من مجموعات البيانات، وهي TimeBank، على مجموعة صغيرة من الرسوم البيانية الممكنة للترتيب. وغالبًا ما تتبع التقييمات هذه الممارسة من خلال اختبار أزواج محددة فقط من الأحداث (مثل الأفعال الرئيسية في الجمل المجاورة فقط). وقد أدى ذلك إلى تركيز معظم الأبحاث على خوارزميات محددة لتصنيف التسميات الجزئية. تسعى هذه الورقة إلى تحويل النقاش من التعرف على بعض العلاقات إلى التعرف على جميع العلاقات. نقدم تجارب جديدة على رسوم بيانية للحوادث ذات الاتصال القوي، والتي تحتوي على حوالي 10 أضعاف عدد العلاقات لكل مستند مقارنةً بـ TimeBank. كما نصف تحولًا من نموذج التعلم الفردي إلى معمارية قائمة على "الفلاتر" (sieve-based) تدمج بشكل طبيعي عدة خوارزميات تعلم في سلسلة متسلسلة مرتبة حسب الدقة. حيث تقوم كل فلتر بتحديد تسميات للرسم البياني للحوادث واحدة تلو الأخرى، وتُستخدم المعلومات من الفلاتر السابقة في توجيه الفلاتر اللاحقة من خلال عملية الإغلاق الانتقالي. وبالتالي، تُبرز هذه الورقة ابتكارات في كل من المنهجية والمهام. وقد أجرينا تجارب على أكثر الرسوم البيانية كثافةً حتى الآن، وأظهرنا تحسنًا بنسبة 14% مقارنةً بأفضل النماذج الحالية.