MidEast-TE

MidEast-TE数据集是由新加坡国立大学等机构的研究人员构建，包含约274,795条记录，主要从2015年至2022年间约0.6百万篇新闻文章中提取，重点关注中东地区的国家间合作与冲突事件。数据集创建过程中，研究人员利用预训练的大型语言模型和时间感知聚类技术，自动从新闻文章中提取结构化事件。该数据集适用于时间复杂事件预测，旨在通过分析历史事件，预测未来事件，为灾害预防和早期预警提供支持。The MidEast-TE dataset was constructed by researchers from institutions including the National University of Singapore. It comprises approximately 274,795 records, primarily extracted from around 600,000 news articles published between 2015 and 2022, with a focus on inter-state cooperation and conflict events in the Middle East region. During the dataset's construction, researchers utilized pre-trained Large Language Models (LLMs) and time-aware clustering techniques to automatically extract structured events from the news articles. This dataset is designed for temporal complex event prediction, aiming to forecast future events through analysis of historical incidents, thereby providing support for disaster prevention and early warning.

搜集汇总

数据集介绍

构建方式

在时序复杂事件预测领域，现有研究常因事件表示缺乏结构化、复杂性与时间完整性而受限。为弥补这一不足，MidEast-TE数据集基于创新的SCTc-TE形式化体系构建，该体系将复杂事件定义为按时间排序的图序列，每个图包含同一时间戳的原子事件，并以五元组（主体、关系、客体、时间戳、复杂事件标识）进行结构化表达。数据集的构建依托于全自动流水线：首先从约60万篇新闻文章中提取文本，利用预训练大语言模型Vicuna-13b进行零样本分层事件抽取，依据CAMEO本体将事件按层级细化；随后采用SimCSE与时间感知聚类算法HDBSCAN，联合语义嵌入与时间特征将相关文章归并为复杂事件簇；最后通过GPT-4完成实体链接与簇优化，形成涵盖2015年至2022年中东地区国家间合作与冲突事件的大规模数据集。

特点

MidEast-TE数据集的核心特点在于其首次同时满足时序事件的结构化、复杂性与时间完整性三大属性。与传统的时序知识图谱或基于预定义模式的复杂事件表示不同，该数据集中的每个原子事件均携带有绝对时间戳，避免了相对时序关系带来的信息缺失；同时，事件以复杂事件簇的形式组织，每个簇内包含语义相关且时间连续的原子事件图，能够捕捉多主体、多关系与多时间线的演化过程。数据集规模显著超越现有同类资源，包含约4,397个复杂事件与45万余个原子事件，实体集达2,794个，事件类型覆盖CAMEO三层次本体中的234种关系，且事件粒度更细。此外，通过时间感知聚类与离群事件保留策略，数据集兼顾了局部上下文（同一复杂事件内的历史）与全局上下文（所有历史事件）的丰富性，为时序预测提供了多维信息支撑。

使用方法

MidEast-TE数据集专为时序复杂事件预测任务设计，其使用方式遵循SCTc-TE形式化的预测范式。给定一个部分观测的复杂事件图序列及查询（主体、关系、未知客体、未来时间戳、复杂事件标识），研究者需预测缺失的客体实体。数据集已按时间顺序划分为训练集、验证集与测试集，确保时间上的信息隔离。使用方法上，可借鉴时序知识图谱方法，但更推荐采用论文中提出的LoGo模型，该模型通过两个独立的分支分别建模局部上下文（同一复杂事件内的历史图序列）与全局上下文（所有历史事件构成的整体图），利用关系图卷积网络（RGCN）捕获同时间戳内事件的关系结构，再通过门控循环单元（GRU）沿时间轴建模演化模式，最后采用早期融合策略与ConvTransE解码器进行联合预测。代码与数据集均已在GitHub开源，便于复现与扩展。

背景与挑战

背景概述

时序事件预测旨在从历史观测中推断未来事件，在地缘政治预警、冲突预测等领域具有重要应用价值。然而，现有事件表示方法在结构化、复杂性和时间完整性上存在显著不足，难以同时捕捉多实体、多关系及精确时间信息。为弥补这一缺陷，新加坡国立大学、加州大学洛杉矶分校及中国科学技术大学等机构的研究人员于2024年提出MidEast-TE数据集。该数据集基于约60万篇新闻文章构建，聚焦2015至2022年间中东地区国家间的合作与冲突事件，创新性地引入结构化、复杂且时间完整的时序事件表示（SCTc-TE），通过大规模语言模型与时序感知聚类实现全自动构建，为时序事件预测研究提供了高质量的基准资源。

当前挑战

MidEast-TE数据集面临的核心挑战包括：其一，时序复杂事件预测需同时建模局部与全局上下文，局部上下文保留特定复杂事件内的关键演化信息，而全局上下文提供宏观背景，但现有方法多依赖单一上下文，导致预测性能受限；其二，构建过程中，基于大语言模型的零样本事件提取精度有限（约43%），且实体链接、复杂事件识别等环节存在噪声，如何提升自动化管线的准确性与鲁棒性仍是难题；其三，数据集中事件类型分布不均、时间跨度差异大，对模型的时间动态捕捉能力提出更高要求。

常用场景

经典使用场景

在国际关系与政治冲突预测领域，时序事件预测任务长期受制于事件表示的不完备性。MidEast-TE数据集基于结构化、复杂且时间完整的SCTc-TE形式化体系，聚焦2015至2022年间中东地区国家间的合作与冲突事件，从约60万篇新闻文章中自动构建而成。该数据集的核心使用场景在于时序复杂事件预测，即利用历史观测事件预测未来特定复杂事件中缺失的实体对象，尤其适用于多行为体、多关系交织的国际政治动态建模。

实际应用

在实际应用层面，MidEast-TE数据集为国际关系分析、地缘政治风险预警以及冲突早期检测等关键任务提供了坚实的数据支撑。基于该数据集训练的预测模型能够辅助决策者洞察国家间双边关系的演变趋势，识别潜在的冲突升级信号，并为外交策略制定提供量化依据。此外，该数据集还可服务于新闻事件脉络梳理、舆情监测以及智能情报分析系统，助力实现从海量非结构化文本到结构化可预测知识的自动化转化。

衍生相关工作

MidEast-TE数据集的提出催生了多项具有影响力的衍生研究工作。其中最具代表性的是LoGo预测模型，该模型创新性地融合了局部与全局上下文信息，通过双分支关系-时序建模模块分别捕获复杂事件内的细粒度演化模式与宏观环境中的普遍规律，在多项评估指标上大幅超越传统时序知识图谱方法。此外，该数据集还推动了基于大语言模型的零样本事件抽取技术、时间感知文档聚类算法以及自动模式归纳等方向的研究进展，为构建更智能、更全面的时序事件分析框架奠定了坚实基础。