Event temporal relation computation based on machine learning
Wang Hua Dong, Zhu Xiao Ping, 朱莎莎, 刘炜 · Acta Scientiarum Naturalium Universitatis Sunyatseni · 2011
时间的关系计算是从事件的时间的争论的抽取的任务之一，并且它也是时间的信息处理的最终的目标。然而，时间的关系计算基于机器学习要求很多手显著工作，并且更探索从讲话展示。基于时间的关系，计算(TSMLTRC ) 为在二个事件之间的当前的时间的关系计算的缺点在这份报纸被建议的二阶段的机器学习的一个方法。第一个阶段是基于分类学习得到事件的主要时间的属性。第二个阶段是计算事件时间的在通过作为基本特征采用第一个阶段的结果，并且也采用一些新语言学特征的讲话的关系。与人工的金色的规则相比，在第一个阶段的计算效率高得多的实验表演，和事件的 F1 分数通过联合多特征被计算的时间的关系可以在第二个阶段在 85.8% 点被增加。