[论文解读] A Corpus-based Study of Temporal Signals

Leon Derczynski, Robert Gaizauskas|arXiv (Cornell University)|Mar 22, 2012

Natural Language Processing Techniques参考文献 23被引用 13

一句话总结

这项基于语料库的研究探讨了时间信号——如'before'、'after'和'during'等词汇表达——在文本中明确指示时间关系的作用。基于TimeBank语料库，作者量化了这些信号的使用频率、其功能与关系类型的模糊性，并发现其中许多信号存在标注不足的问题，突显了尽管这些信号在时间关系检测中具有高度实用性，但在NLP系统中仍被严重低估和未被充分利用。

ABSTRACT

Automatic temporal ordering of events described in discourse has been of great interest in recent years. Event orderings are conveyed in text via va rious linguistic mechanisms including the use of expressions such as "before", "after" or "during" that explicitly assert a temporal relation -- temporal signals. In this paper, we investigate the role of temporal signals in temporal relation extraction and provide a quantitative analysis of these expres sions in the TimeBank annotated corpus.

研究动机与目标

• 调查TimeBank语料库中时间信号的频率与作用，这些信号对于自动时间关系检测至关重要。
• 评估时间信号在TimeBank这一主要黄金标准时间标注语料库中被标注不足的频率。
• 量化时间信号表达在非时间用法与时间用法之间的模糊性，以及其在具体时间关系类型（如'before'与'after'）上的模糊性。
• 为NLP系统通过更有效地利用这些信号来改进时间关系分类提供实证依据。

提出的方法

• 本研究使用TimeBank语料库，这是一个基于新闻报道的黄金标准数据集，采用TimeML进行标注，明确标注了时间信号。
• 作者进行了额外的手动标注，以纠正时间信号的标注不足，特别是针对'before'、'until'、'meanwhile'、'former'和'recently'等高频表达。
• 通过分析信号表达的句法与语义语境，以区分其时间用法与非时间用法。
• 通过以下方式量化信号的模糊性：(1) 非时间用法在所有使用中所占比例；(2) 时间用法中传达模糊时间关系的比例。
• 应用统计分析，计算不同时间关系类型（如'before'、'after'、'during'）中时间信号的频率与分布。

实验结果

研究问题

• RQ1 TimeBank中有多大比例的时间关系由'before'或'after'等词汇表达明确标示？
• RQ2 在非时间用法与时间用法之间，时间信号表达的模糊性如何？
• RQ3 在具体时间关系类型上（如'before'与'after'），时间信号的模糊性如何？
• RQ4 关键时间信号在TimeBank语料库中被标注不足的程度有多大？

主要发现

• TimeBank中仅有35%的时间关系由词汇性时间信号明确标示，表明这些线索存在显著的标注不足。
• 在'before'的所有使用中，70%为时间信号，但30%为非时间用法（如空间或逻辑用法），显示出明显的模糊性。
• 'until'具有高度模糊性：其在语料库中所有未标注实例中均为时间信号，表明存在严重的标注不足。
• 'meanwhile'在50%的未标注实例中为时间用法，表明其常被忽视为时间信号。
• 'former'在75%的未标注实例中为时间用法，表明其强烈倾向于标示先前状态或事件。
• 'recently'在10%的未标注实例中为时间信号，但当以比较形式使用时（如'more recently'），其作为限定性时间信号，能清晰标示与先前话语事件的时间关系。