摘要

大量主流应用，如时间检索、事件检测和趋势识别，均依赖于文本集合中每篇文档的时间戳信息。然而，在许多实际场景中，所需的时间戳要么无法获取，要么存在歧义。这一问题在大规模历史数字化文档库中尤为突出：由于数字化过程中可能出现时间戳损坏，或原始数据本身缺乏时间信息，导致时间戳不可用。本文研究了文档时间戳的近似推断任务，即文档定年（document dating）。我们提出了一种基于内容的定年方法，并引入了术语突现性（term burstiness）领域的最新研究成果，从而克服了以往方法的局限性，例如固定时间区间划分策略的僵化问题。通过在多个数据集上开展的广泛实验评估，我们验证了所提方法的有效性与优势，结果表明，该方法在文档定年任务中显著优于现有最先进方法。