21、领域敏感的时间标记：自然语言处理中的重要课题

领域敏感的时间标记：自然语言处理中的重要课题

1 引言

时间标记是自然语言处理（NLP）中的一个特定任务，主要涉及从文本文件中提取时间表达式并将其标准化为某种标准格式。由于时间表达式在许多类型的文档中普遍存在，而且时间信息是任何信息空间的重要维度，因此多个领域的应用可以从时间标记器的输出中受益。时间标记不仅在时间信息提取的背景下具有价值，而且在许多研究领域和应用场景中也很重要。

时间标记器的两个主要任务是提取和规范化时间表达式。提取任务涉及识别所有时间表达式的跨度，而规范化任务则涉及将每个表达式的时间语义以标准化值的形式分配。这些标准化值通常遵循某种注释规范，并采用标准格式。时间标记器识别文本中时间表达式的跨度，并根据某种标准格式规范化表达式。根据注释规范，有时也会根据类型对表达式进行分类，例如，表达式是日期（如2009年5月3日）还是持续时间（如三天）。

1.1 时间标记的应用示例

时间标记在多个应用场景中具有重要意义。例如，在信息提取中，时间标记器的输出可以帮助构建事件的时间线。许多文档并没有按照时间顺序提及事件，因此时间标记对于正确提取和按时间顺序排列事件信息至关重要。图1.2展示了维基百科关于“海德堡大学”的页面摘录以及时间表达式映射的时间线。由于内容涉及不同的主题部分，因此时间标记对于提取和排序事件信息非常重要。

此外，时间标记在问答系统中也是一个关键维度。时间标记器可以帮助系统理解时间表达式，从而回答涉及时间关系的问题，如“事件A是否在事件B之前发生？”在2015年的语义评估会议（SemEval 2015）上，组织了QA TempEval挑战赛，旨在开发时