Search

International audience; Tracking news stories in documents is a way to deal with the large amount of information that surrounds us everyday, to reduce the noise and to detect emergent topics in news. Since the Covid-19 outbreak, the world has known a new problem: infodemic. News article titles are massively shared on social networks and the analysis of trends and growing topics is complex. Grouping documents in news stories lowers the number of topics to analyse and the information to ingest and/or evaluate. Our study proposes to analyse news tracking with little information provided by titles on social networks. In this paper, we take advantage of datasets of public news article titles to experiment news tracking algorithms on short messages. We evaluate the clustering performance with little amount of data per document. We deal with the document representation (sparse with TF-IDF and dense using Transformers [26]), its impact on the results and why it is key to this type of work. We used a supervised algorithm proposed by Miranda et al. [22] and K-Means to provide evaluations for different use cases. We found that TF-IDF vectors are not always the best ones to group documents, and that algorithms are sensitive to the type of representation. Knowing this, we recommend taking both aspects into account while tracking news stories in short messages. With this paper, we share all the source code and resources we handled.; Le suivi des actualités dans les documents est un moyen de traiter la grande quantité d'informations qui nous entoure chaque jour, de réduire le bruit et de détecter les sujets émergents dans les actualités. Depuis l'épidémie de Covid-19, le monde connaît un nouveau problème : l'infodémie. Les titres des articles d'actualité sont massivement partagés sur les réseaux sociaux et l'analyse des tendances et des sujets en expansion est complexe. Le regroupement de documents dans des articles d'actualité réduit le nombre de sujets à analyser et d'informations à ingérer et/ou à évaluer. Notre étude propose d'analyser le suivi des actualités avec peu d'informations fournies par les titres sur les réseaux sociaux. Dans cet article, nous tirons parti de jeux de données de titres d'articles d'actualité publics pour expérimenter des algorithmes de suivi des actualités sur des messages courts. Nous évaluons la performance du clustering avec une faible quantité de données par document. Nous traitons de la représentation du document (clairsemée avec TF-IDF et dense avec Transformers [26]), de son impact sur les résultats et de la raison pour laquelle elle est essentielle pour ce type de travail. Nous avons utilisé un algorithme supervisé proposé par Miranda et al. [22] et K-Means pour fournir des évaluations pour différents cas d'utilisation. Nous avons constaté que les vecteurs TF-IDF ne sont pas toujours les meilleurs pour regrouper les documents, et que les algorithmes sont sensibles au type de représentation. Sachant cela, nous recommandons de prendre en compte ces deux aspects lors du suivi des nouvelles dans les messages courts. Avec cet article, nous partageons tout le code source et les ressources que nous avons manipulés.

International audience; In this paper, we approach a recent and under-researched paradigm for the task of event detection (ED) by casting it as a questionanswering (QA) problem with the possibility of multiple answers and the support of entities. The extraction of event triggers is, thus, transformed into the task of identifying answer spans from a context, while also focusing on the surrounding entities. The architecture is based on a pre-trained and fine-tuned language model, where the input context is augmented with entities marked at different levels, their positions, their types, and, finally, their argument roles. Experiments on the ACE 2005 corpus demonstrate that the proposed model properly leverages entity information in detecting events and that it is a viable solution for the ED task. Moreover, we demonstrate that our method with different entity markers is particularly able to extract unseen event types in few-shot learning settings.