We are aiming to extract every part

We are aiming to extract every part of the 5W1H, but not necessarily every slot can be filled, since for instance the answer to how something happened might not be given in the text.
Here We divide our approach into six sub-tasks and group them in three steps: (1) Title classification and topic sentences extraction for key event identification; (2) Semantic role labeling and 5W1H elements identification for event semantic elements extraction; (3) Collect extracted event facts automatically according to nature of existence.

ผลลัพธ์ (ไทย) 1:

เราจะมุ่งขยายทุกส่วนของ 5W1H ใน แต่ไม่จำเป็นต้องทุกช่องสามารถ เติม เนื่องจากตัวอย่าง คำตอบว่าสิ่งที่เกิดขึ้นอาจไม่ได้รับข้อความที่นี่เราแบ่งวิธีการของเราเป็นงานย่อย 6 และจัดกลุ่มในขั้นตอนที่ 3: (1) ชื่อเรื่องประเภทและแยกหัวข้อประโยคสำหรับการระบุเหตุการณ์สำคัญ (2) ความหมายบทบาทติดฉลากและ 5W1H องค์ประกอบรหัสสำหรับเหตุการณ์แยกองค์ประกอบความหมาย (3) รวบรวมแยกข้อเท็จจริงของเหตุการณ์โดยอัตโนมัติตามธรรมชาติของการดำรงอยู่

ผลลัพธ์ (ไทย) 2:

เรามีเป้าหมายที่จะดึงส่วนหนึ่งของ 5W1H ทุกครั้ง แต่ไม่จำเป็นต้องทุกช่องจะเต็มไปเนื่องจากตัวอย่างเช่นคำตอบว่าสิ่งที่เกิดขึ้นอาจจะไม่ได้รับในข้อความ
ที่นี่เราแบ่งวิธีการของเราในหกงานย่อยและกลุ่มพวกเขา ในสามขั้นตอนคือ (1) การจัดหมวดหมู่ชื่อเรื่องในหัวข้อประโยคสกัดเพื่อการแสดงเหตุการณ์สำคัญ (2) บทบาทของความหมายของการระบุการติดฉลากและ 5W1H องค์ประกอบสำหรับการสกัดองค์ประกอบความหมายเหตุการณ์; (3) เก็บรวบรวมข้อเท็จจริงเหตุการณ์ที่ดึงออกมาโดยอัตโนมัติตามลักษณะของการดำรงอยู่

ผลลัพธ์ (ไทย) 3:

เรากำลังเล็งที่จะดึงทุกส่วนของ 5w1h แต่ไม่ได้หมายความว่าทุกช่องสามารถกรอกข้อมูล ตั้งแต่ตัวอย่างคำตอบว่าสิ่งที่เกิดขึ้นไม่อาจจะระบุในข้อความ .
ที่นี่เราแบ่งวิธีการของเราในหกย่อยงานและกลุ่มพวกเขาในสามขั้นตอน : ( 1 ) หมวดหมู่ชื่อเรื่องและหัวข้อการสกัดประโยคสำหรับ ระบุเหตุการณ์สำคัญ( 2 ) บทบาทของความหมายและองค์ประกอบ 5w1h ฉลากระบุเหตุการณ์ความหมายองค์ประกอบการสกัด ; ( 3 ) เก็บแยกเหตุการณ์ข้อเท็จจริงโดยอัตโนมัติตามธรรมชาติของการดำรงอยู่