[论文解读] Structured Interpretation of Temporal Relations

Yuchen Zhang, Nianwen Xue|arXiv (Cornell University)|Aug 23, 2018

Natural Language Processing Techniques参考文献 18被引用 3

一句话总结

本文提出了一种基于时间回指的结构化时间关系解释方法，将事件和时间表达式建模为依赖树，其中每个节点通过时间回指仅依赖于单一先行词以实现时间解释。该方法在新闻和叙事体裁中均实现了高且稳定的标注者间一致性（F1 > 0.72），并公开发布了可用于时间推理研究的语料库。

ABSTRACT

Temporal relations between events and time expressions in a document are often modeled in an unstructured manner where relations between individual pairs of time expressions and events are considered in isolation. This often results in inconsistent and incomplete annotation and computational modeling. We propose a novel annotation approach where events and time expressions in a document form a dependency tree in which each dependency relation corresponds to an instance of temporal anaphora where the antecedent is the parent and the anaphor is the child. We annotate a corpus of 235 documents using this approach in the two genres of news and narratives, with 48 documents doubly annotated. We report a stable and high inter-annotator agreement on the doubly annotated subset, validating our approach, and perform a quantitative comparison between the two genres of the entire corpus. We make this corpus publicly available.

研究动机与目标

• 解决非结构化、成对时间关系建模的局限性，后者导致标注不一致且不完整。
• 通过建模事件与时间表达式之间的依赖关系，为时间解释提供语言学上合理的结构化框架。
• 通过减少组合爆炸并解决传递性冲突，改进时间关系的计算建模。
• 通过在235篇文档的语料库中进行新闻与叙事体裁的标注，验证该方法的标注者间一致性。
• 发布一个公开可用的、体裁多样的语料库，以支持时间关系分析及下游自然语言处理任务。

提出的方法

• 构建一个依赖树，其中每个节点（事件或时间表达式）恰好有一个父节点，代表其时间解释的参考时间。
• 将每个依赖关系定义为一个时间回指实例，父节点为先行词，子节点为依赖于它的回指代词。
• 为每个回指代词仅指定一个先行词，以确保树状结构并避免时间定位的歧义。
• 在新闻与叙事体裁中对235篇文档（其中48篇为双重标注）进行标注，明确标注参考时间与边关系。
• 应用传递性性质，从依赖结构中推断额外的时间关系，避免成对关系间的冲突。
• 使用F1分数评估在不同体裁中对关系识别、分类与关系标注的标注者间一致性。

实验结果

研究问题

• RQ1 基于时间回指的依赖树结构是否能提升时间关系标注的一致性与完整性？
• RQ2 在所提出的结构化方法下，新闻与叙事体裁中的标注者间一致性如何变化？
• RQ3 在事件与时间表达式的分布方面，新闻与叙事文本在时间结构上存在哪些差异？
• RQ4 时间关系类型（如‘之前’、‘重叠’、‘依赖于’）在新闻与叙事中的分布有何不同？
• RQ5 状态性事件与体性事件在多大程度上导致了不同体裁中依赖树的结构性差异？

主要发现

• 所提出的依赖树方法在两种体裁中均实现了高且稳定的标注者间一致性，标签关系的F1分数均高于0.72。
• 新闻文本中时间表达式的比例更高（20%），重叠关系也更多（54%），而叙事文本中体性事件更多（51%）且‘之前’关系更常见（53%）。
• 新闻中的状态性事件更可能以其他状态性事件为父节点（57%），形成深层分支；而在叙事中，49%的状态性事件直接依赖于体性父节点，形成短分支。
• 时间表达式类型存在显著差异：叙事中模糊时间表达式的比例更高（67%），而新闻中为22%。
• 叙事文本中事件识别与分类的标注一致性较低（F1 = 0.75 和 0.72），而新闻中则较高（F1 = 0.94 和 0.95），表明叙事文本的标注难度更大。
• 235篇文档的语料库（含48篇双重标注）已公开，可用于时间推理与故事时间线构建研究。