harnessing the power of machines & crowds for event extraction
TRANSCRIPT
Vrije Universiteit Amsterdam
Harnessing the Power of Machines & Crowds for Event Extraction
what can we learn from the crowd?
Oana Inel March 9, 2015
1
Vrije Universiteit Amsterdam
My research is about: Event extraction from different data types
My goal is: A generic machine-human workflow for event extraction
My research question is: Can diversity-driven crowdsourcing of events improve the machine extraction of events and their role fillers?
Why is it relevant to you: Events play an important role in understanding of context, influence human interpretation, and thus impact everyday interaction with applications
<MY PRESENTATION>
2
Vrije Universiteit Amsterdam
● Events play an important role in understanding of context, influence human interpretation, and thus impact everyday interaction with applications
● NLP tools are a very bad in detecting events
○ events are vague
○ events carry different perspectives for their interpretation
○ events have diverse level of granularity
○ there is a lack of training data
■ in different domains
Problem Statement
3
Vrije Universiteit Amsterdam
● Event Extraction in Video Descriptions:
○ videos from Sound and Vision
○ goal: to enrich video descriptions with event info
● Event Extraction from Tweets:○ selection of tweets from 2014 on 8 events○ goal: to identify tweets, which bring salient info on given
event
● Event Extraction from news:○ news articles from 2004-2013 WikiNews collection○ goal: to identify news articles that bring salient info on a given
event
Use Cases & Datasets
4
Vrije Universiteit Amsterdam
Video Description - Workflow Overview
5
Machine AnnotationCrowd Annotation
through CrowdTruth.org
Vrije Universiteit Amsterdam
Video Description - Example
6
Polygoon 1000ste Hollands Nieuws speech door de heer Van Staveren
Toespraak van D. van Staveren, voorzitter van de Centrale
Commissie Filmkeuring, vanachter zijn bureau te Den Haag. In zijn
toespraak kondigt hij de duizendste aflevering van
Polygoons "Hollands Nieuws" aan en spreekt hij over de
uitzonderlijke kwaliteiten, actualiteit en betrouwbaarheid van
het Polygoon-journaal. Aantekening : Locatie volgens
titellijst: Haarlem.
Vrije Universiteit Amsterdam
Video Description - Example
7
1000th Polygoon Dutch News speech by mr. Van Staveren
D. van Staveren, chairman of the Central Film Censorship Board, gives a speech from behind his
desk in The Hague. In his speech he announces the one thousandth
episode of Polygoon's "Dutch News" and praises the exceptional quality, topicality and reliability of the Polygoon newsreels. Note : Location according to title list:
Haarlem.
Vrije Universiteit Amsterdam
Different span confidence
8
Toespraak van D. van Staveren, voorzitter van de Centrale
Commissie Filmkeuring, vanachter zijn bureau te Den Haag. In zijn
toespraak kondigt hij de duizendste aflevering van
Polygoons "Hollands Nieuws" aan en spreekt hij over de
uitzonderlijke kwaliteiten, actualiteit en betrouwbaarheid van
het Polygoon-journaal. Aantekening : Locatie volgens
titellijst: Haarlem.
Toespraak van D. van Staveren, voorzitter van de Centrale
Commissie Filmkeuring, vanachter zijn bureau te Den Haag. In zijn
toespraak kondigt hij de duizendste aflevering van
Polygoons "Hollands Nieuws" aan en spreekt hij over de
uitzonderlijke kwaliteiten, actualiteit en betrouwbaarheid van
het Polygoon-journaal. Aantekening : Locatie volgens
titellijst: Haarlem.
confidence:0.09
confidence:0.12
Vrije Universiteit Amsterdam
Different span confidence
9
Toespraak van D. van Staveren, voorzitter van de Centrale
Commissie Filmkeuring, vanachter zijn bureau te Den Haag. In zijn
toespraak kondigt hij de duizendste aflevering van
Polygoons "Hollands Nieuws" aan en spreekt hij over de
uitzonderlijke kwaliteiten, actualiteit en betrouwbaarheid van
het Polygoon-journaal. Aantekening : Locatie volgens
titellijst: Haarlem.
Toespraak van D. van Staveren, voorzitter van de Centrale
Commissie Filmkeuring, vanachter zijn bureau te Den Haag. In zijn
toespraak kondigt hij de duizendste aflevering van
Polygoons "Hollands Nieuws" aan en spreekt hij over de
uitzonderlijke kwaliteiten, actualiteit en betrouwbaarheid van
het Polygoon-journaal. Aantekening : Locatie volgens
titellijst: Haarlem.
confidence:0.11 THD
confidence:null
Vrije Universiteit Amsterdam
Missed entities
10
Toespraak van D. van Staveren, voorzitter van de Centrale
Commissie Filmkeuring, vanachter zijn bureau te Den Haag. In zijn
toespraak kondigt hij de duizendste aflevering van
Polygoons "Hollands Nieuws" aan en spreekt hij over de
uitzonderlijke kwaliteiten, actualiteit en betrouwbaarheid van
het Polygoon-journaal. Aantekening : Locatie volgens
titellijst: Haarlem.
Toespraak van D. van Staveren, voorzitter van de Centrale
Commissie Filmkeuring, vanachter zijn bureau te Den Haag. In zijn
toespraak kondigt hij de duizendste aflevering van
Polygoons "Hollands Nieuws" aan en spreekt hij over de
uitzonderlijke kwaliteiten, actualiteit en betrouwbaarheid van
het Polygoon-journaal. Aantekening : Locatie volgens
titellijst: Haarlem.
Vrije Universiteit Amsterdam
type:Location
Different / Misidentified Types (1)
11
Toespraak van D. van Staveren, voorzitter van de Centrale
Commissie Filmkeuring, vanachter zijn bureau te Den Haag. In zijn
toespraak kondigt hij de duizendste aflevering van
Polygoons "Hollands Nieuws" aan en spreekt hij over de
uitzonderlijke kwaliteiten, actualiteit en betrouwbaarheid van
het Polygoon-journaal. Aantekening : Locatie volgens
titellijst: Haarlem.
Toespraak van D. van Staveren, voorzitter van de Centrale
Commissie Filmkeuring, vanachter zijn bureau te Den Haag. In zijn
toespraak kondigt hij de duizendste aflevering van
Polygoons "Hollands Nieuws" aan en spreekt hij over de
uitzonderlijke kwaliteiten, actualiteit en betrouwbaarheid van
het Polygoon-journaal. Aantekening : Locatie volgens
titellijst: Haarlem.
THD
type:NULL
Vrije Universiteit Amsterdam
Different / Misidentified Types (2)
12
Toespraak van D. van Staveren, voorzitter van de Centrale
Commissie Filmkeuring, vanachter zijn bureau te Den Haag. In zijn
toespraak kondigt hij de duizendste aflevering van
Polygoons "Hollands Nieuws" aan en spreekt hij over de
uitzonderlijke kwaliteiten, actualiteit en betrouwbaarheid van
het Polygoon-journaal. Aantekening : Locatie volgens
titellijst: Haarlem.
Toespraak van D. van Staveren, voorzitter van de Centrale
Commissie Filmkeuring, vanachter zijn bureau te Den Haag. In zijn
toespraak kondigt hij de duizendste aflevering van
Polygoons "Hollands Nieuws" aan en spreekt hij over de
uitzonderlijke kwaliteiten, actualiteit en betrouwbaarheid van
het Polygoon-journaal. Aantekening : Locatie volgens
titellijst: Haarlem.
type:NULL
type:DBPedia::Place
Vrije Universiteit Amsterdam
Crowd - Determine Primary Label
● Input: entities / labels with different span alternatives● Task: for a label with multiple span alternatives, choose the primary ones● Template:
● Result: ranked span alternatives for label
13
Vrije Universiteit Amsterdam
Crowd - Determine Label Relevance
● Input: list of labels● Task: for a given label, determine whether the label is relevant for the
synopsis● Template:
● Result: ranked entities based on their relevance and completeness
14
Vrije Universiteit Amsterdam
Crowd - Determine Label Type
● Input: labels with no type or type - disagreement among machines● Task: choose the type of each highlighted label ● Template:
● Result: label type
15
Vrije Universiteit Amsterdam
Crowd - Extracting Events (1)
● Input: one video description● Task: highlight all the events from the video description● Template:
● Result: list of possible events
16
Vrije Universiteit Amsterdam
Conclusions
● difficult to find one NER tool that performs well
● combining the output of several NER tools results in disagreement
● by applying CrowdTruth to machine disagreement we were able to identify possible problems of the machine output
● by applying CrowdTruth on the information gathered from the crowd we were able to identify:○ the entity span○ the entity type○ the entity relevance score○ possible events in the video description
17