Detecting Salient Events in Large Corpora by a Combination of NLP and Data Mining Techniques
Título del documento: Detecting Salient Events in Large Corpora by a Combination of NLP and Data Mining Techniques
Revue: Computación y sistemas
Base de datos: PERIÓDICA
Número de sistema: 000365510
ISSN: 1405-5546
Autores: 1
2
2
1
Instituciones: 1Universite de Paris I (Pantheon-Sorbonne), París. Francia
2Universite de Caen Basse–Normandie, Caen, Calvados. Francia
Año:
Periodo: Abr-Jun
Volumen: 17
Número: 2
Paginación: 229-238
País: México
Idioma: Inglés
Tipo de documento: Artículo
Enfoque: Experimental, aplicado
Resumen en español En este trabajo se presenta el marco y el sistema para extracción de los eventos "destacados" relevantes a una pregunta de una gran colección de documentos, el cual también permite ubicar los eventos a lo largo de la línea de tiempo. Cada evento se representa por una frase extraída de la colección. Se han realizado unos experimentos que muestran el interés del método para este problema. El método propuesto se basa en la combinación del modelado lingüístico (con respecto a significados adverbiales temporales), las técnicas simbólicas de procesamiento de lenguaje natural (usando cascadas de transductores morfo-léxicos) y técnicas de minería de datos (la minería de patrones secuenciales bajo restricciones). El sistema ha sido aplicado a un corpus de noticias en idioma francés proporcionado por la Agencia France Presse (AFP). La evaluación se realizó en colaboración con periodistas de agencias francesas de noticias
Resumen en inglés In this paper, we present a framework and a system that extracts "salient" events relevant to a query from a large collection of documents, and which also enables events to be placed along a timeline. Each event is represented by a sentence extracted from the collection. We have conducted some experiments showing the interest of the method for this issue. Our method is based on a combination of linguistic modeling (concerning temporal adverbial meanings), symbolic natural language processing techniques (using cascades of morpho-lexical transducers) and data mining techniques (namely, sequential pattern mining under constraints). The system was applied to a corpus of newswires in French provided by the Agence France Presse (AFP). Evaluation was performed in partnership with French newswire agency journalists
Disciplinas: Ciencias de la computación
Palabras clave: Procesamiento de datos,
Lingüística computacional,
Extracción de información,
Fechas,
Adverbios temporales,
Patrón secuencial
Keyword: Computer science,
Data processing,
Computing linguistics,
Information extraction,
Dates,
Temporal adverbials,
Sequential pattern
Texte intégral: Texto completo (Ver HTML)