Knowledge-based Approach for Event Extraction from Arabic Tweets النهج القائم على المعرفة لاستخراج الفعاليات من التغريدات العربية Approche basée sur les connaissances pour l'extraction d'événements à partir de tweets arabes Enfoque basado en el conocimiento para la extracción de eventos de tweets en árabe

Tweets provide a continuous update on current events.However, Tweets are short, personalized and noisy, thus raises more challenges for event extraction and representation.Extracting events out of Arabic tweets is a new research domain where few examples -if any -of previous work can be found.This paper describes a knowledge-based approach for fostering event extraction out of Arabic tweets.The approach uses an unsupervised rule-based technique for event extraction and provides a named entity disambiguation of event related entities (i.e.person, organization, and location).Extracted events and their related entities are populated to the event knowledge base where tagged tweets' entities are linked to their corresponding entities represented in the knowledge base.Proposed approach was evaluated on a dataset of 1K Arabic tweets covering different types of events (i.e.instant events and interval events).Results show that the approach has an accuracy of, 75.9% for event trigger extraction, 87.5% for event time extraction, and 97.7% for event type identification. توفر التغريدات تحديثًا مستمرًا للأحداث الجارية. ومع ذلك، فإن التغريدات قصيرة وشخصية وصاخبة، وبالتالي تثير المزيد من التحديات لاستخراج الحدث وتمثيله. استخراج الأحداث من التغريدات العربية هو مجال بحثي جديد حيث يمكن العثور على أمثلة قليلة - إن وجدت - من العمل السابق. تصف هذه الورقة نهجًا قائمًا على المعرفة لتعزيز استخراج الحدث من التغريدات العربية. يستخدم النهج تقنية قائمة على القواعد غير خاضعة للإشراف لاستخراج الحدث ويوفر كيانًا مسمىًا يزيل الغموض عن الكيانات ذات الصلة بالحدث (أي الشخص والمنظمة والموقع). يتم ملء الأحداث المستخرجة والكيانات ذات الصلة بقاعدة المعرفة الخاصة بالحدث حيث ترتبط كيانات التغريدات الموسومة بالكيانات المقابلة لها الممثلة في قاعدة المعرفة. تم تقييم النهج المقترح على مجموعة بيانات من 1K تغريدات عربية تغطي أنواعًا مختلفة من الأحداث (أي الأحداث الفورية والأحداث الفاصلة). تُظهر النتائج أن النهج له دقة، 75.9 ٪ للحدث الزناد، 87.5 ٪ للحدث الاستخراج، و 97.7 ٪ للحدث نوع التحديد. Les tweets fournissent une mise à jour continue sur les événements actuels.Toutefois, les tweets sont courts, personnalisés et bruyants, ce qui soulève plus de défis pour l'extraction et la représentation d'événements.L' extraction d'événements à partir de tweets arabes est un nouveau domaine de recherche où peu d'exemples - le cas échéant - de travaux antérieurs peuvent être trouvés.Cet article décrit une approche basée sur les connaissances pour favoriser l'extraction d'événements à partir de tweets arabes.L' approche utilise une technique basée sur des règles non supervisée pour l'extraction d'événements et fournit une entité nommée de désambiguïsation des entités liées aux événements (c'est-à-dire la personne, l'organisation et le lieu) .Les événements extraits et leurs entités connexes sont renseignés dans la base de connaissances sur les événements où les entités des tweets marqués sont liées à leurs entités correspondantes représentées dans la base de connaissances.L' approche proposée a été évaluée sur un ensemble de données de tweets arabes 1K couvrant différents types d'événements (c'est-à-dire les événements instants et les événements d'intervalle) .Les résultats montrent que l'approche a une précision de 75,9 % pour l'extraction du déclencheur d'événements, 87,5 % pour l'extraction du temps de l'événement et 97,7 % pour l'identification du type d'événement. Los tweets proporcionan una actualización continua sobre los eventos actuales. Sin embargo, los tweets son cortos, personalizados y ruidosos, por lo que plantean más desafíos para la extracción y representación de eventos. La extracción de eventos de los tweets árabes es un nuevo dominio de investigación donde se pueden encontrar pocos ejemplos, si es que hay alguno, de trabajos anteriores. Este documento describe un enfoque basado en el conocimiento para fomentar la extracción de eventos de los tweets árabes. El enfoque utiliza una técnica no supervisada basada en reglas para la extracción de eventos y proporciona una desambiguación de entidades con nombre de entidades relacionadas con eventos (es decir, persona, organización y ubicación). Los eventos extraídos y sus entidades relacionadas se completan en la base de conocimiento de eventos donde las entidades de tweets etiquetadas están vinculadas a sus entidades correspondientes representadas en la base de conocimiento. El enfoque propuesto se evaluó en un conjunto de datos de 1K tweets árabes que cubren diferentes tipos de eventos (es decir, eventos constantes y eventos de intervalo). Los resultados muestran que el enfoque tiene una precisión del 75,9% para la extracción de activadores de eventos, del 87,5% para la extracción de tiempo de eventos y del 97,7% para la identificación de tipos de eventos.