Dichte Ereignisordnung mit einer Multi-Pass-Architektur

Die Forschung im Bereich der Ereignisordnung der letzten zehn Jahre hat sich auf das Lernen partieller Ordnungen über Dokumentereignisse und Zeitangaben konzentriert. Korpus, das am häufigsten verwendete, ist TimeBank, das lediglich eine kleine Teilmenge des möglichen Ordnungsgraphen enthält. Viele Evaluierungen folgen diesem Ansatz, indem sie lediglich bestimmte Ereignispaare testen (z. B. nur Hauptverben benachbarter Sätze). Dies hat dazu geführt, dass sich die meisten Forschungsarbeiten auf spezifische Lernverfahren für partielle Etikettierungen konzentrieren. In diesem Artikel wird versucht, die Diskussion von der Identifikation einzelner Relationen hin zu einer umfassenden Erfassung aller Relationen zu lenken. Wir präsentieren neue Experimente an stark zusammenhängenden Ereignisgraphen, die pro Dokument etwa zehnmal mehr Relationen enthalten als TimeBank. Zudem beschreiben wir eine Verschiebung vom einzelnen Lerner hin zu einer Sieb-basierten Architektur, die mehrere Lerner naturgemäß in eine präzisionsgeordnete Kaskade von Sieben integriert. Jedes Sieb fügt dem Ereignisgraphen jeweils ein Etikett hinzu, wobei frühere Siebe durch transitive Abschlussbeziehungen die späteren beeinflussen. Dieser Artikel beschreibt daher Innovationen sowohl im Ansatz als auch in der Aufgabenstellung. Wir testen die dichtesten Ereignisgraphen, die bisher existieren, und zeigen einen Gewinn von 14 % gegenüber dem Stand der Technik.