Extracting war incidents from news articles via deep Sequence Tagging

الموضوعات

علوم تطبيقية وتكنولوجية

الملخص

An important natural language processing (NLP) task is to extract structured information from free text. In this thesis, we focus on the problem of extracting war incidents from news articles. A war incident is a tuple consisting of a location of the incident, the actor, the cause of death, and the number of casualties. We employ Open Tag [1], a deep sequence-tagging approach, followed by a series of flat classifiers to achieve this task. To train our sequence tagging model and the flat classifiers, we utilize a dataset of news articles surrounding the Syrian war. Our approach, which utilizes sequence tagging, outperforms baseline classifiers that rely solely on the text of the news articles.

روابط وملفات

التعريف والنوع

رقم الوثيقة

05462f56-eded-4108-baa1-799153d174a1

رقم العقد

0

نوع الوسائط

Crawler

نوع المحتوى

الرسائل العلمية

صيغة المصدر

رسائل ماجيستير

نوع الملف

pdf text

أسماء الملفات

2025231_1.pdf

بيانات النشر

ألقاب المؤلفين

[{"name_ar":"Nancy Joseph Sawaya","title_ar":"اعداد","title_en":"Preparation"},{"name_ar":"Shady Elbassuoni ","title_ar":"اشراف","title_en":"Supervision"}]

اللغة

English

المصدر والدورية

اسم المصدر

Extracting war incidents from news articles via deep Sequence Tagging

المحتوى والصفحات

عدد الصفحات

0

كلمات الباحثين

Natural language processing. Machine learning. Neural networks (Computer science)

إشراف وإعداد

الإشراف

Shady Elbassuoni

الإعداد

Nancy Joseph Sawaya

الاقتباسات الببليوغرافية