人物关系挖掘方案设计

 

 

背景

 

拓展知识图谱-人物关系模块，激发用户兴趣点击，提升流量。

 

 

要解决的问题

 

1、识别人名：ner 命名实体识别。

2、识别两个人是有关系的；

　　人名共现来说明两个人之间有关系；

　　词向量计算词与词之间的相似度来说明两个人之间关系。

3、人物关系挖掘。

　　两个人名满足某种依存模式，则将两个人名和关系抽取出来。

　　用到的相关nlp算子：分词、词性标注、命名实体识别（NER）、依存语法分析、语义角色标注

　　依存句法中我们所用到的主要关系有：主谓关系（SBV）、动宾关系（VOB）、定中关系（ATT）、并列关系（COO）、介宾关系（POB）；

 

技术方案、基于依存句法的人物关系抽取

 

 

 

 

 

 

核心工程

 

 

模式_实例1

 

两人名实体同时位于主语，并列关系

例如：1914年，孔祥熙与宋霭龄于日本结婚。

 

利用哈工大语言云进行句法分析得到结果如下：

 

 

 

模式_实例2

 

　　两人名实体同时位于主语，修饰关系。特征词分别采用角色词或者人物词进行不同策略的挖掘。

　　例如：邓超的妻子孙俪也是著名演员。

 

　　使用句法分析得到结果如下：

 

 

 

 

 

模式_实例3

 

　　两人名实体位于宾语，修饰关系

　　例如：他的妻子以往被认为是洪秀全的妹妹洪宣娇。

 

 

 

 

模式_实例4

 

　　两人名实体分别为主语和宾语，这种情况时， 选取谓语动词作为特征词。

 

　　例如“子路师从孔子”

 

 

 

 

模式_实例5

 

　　关系名为主语、人名2为宾语，这种情况时，选取谓语动词“是”作为特征词。

　　例如“禹智皓的哥哥是韩国男歌手禹泰云”

 

 

训练数据

 

部分训练样本

金城武在经济公司的安排下师从歌手陈升
子路师从孔子
禹智皓的哥哥是韩国男歌手禹泰云
贾巴里·帕克的父亲桑尼·帕克是前NBA球员   APP
邓超的妻子孙俪也是著名演员  APP两人名实体同时位于主语,修饰关系
1914年，孔祥熙与宋霭龄于日本结婚    两人名实体同时位于主语，并列关系
他的妻子以往被认为是洪秀全的妹妹洪宣娇  两人名实体位于宾语，修饰关系
韩雪在年代武侠剧《叶问》中饰演叶问的妻子张永成
刘涛共同出演古装爱情剧《大理公主》饰演贫苦寡妇杨玉姣的女儿杨阿细

　　

 

 

 

优化方案

 

　　指代消解。针对那些语句中有代词情况，考虑采用指代消解方案进行优化！

 　  提高精准度特殊处理方式：

　　　　1、特定关系，必须满足姓氏相同。如：妹妹、弟弟、哥哥、父亲、女儿、儿子、爷爷

　　　　2、语义提取，太依赖于nlp服务本身，在项目中发现，句法分析中出现部分中文词无法提取出来（这种nlp的句法分析服务暂没提供自定义词库功能）；

　　　　3、ner的识别问题，通过增加分词，并增加一些自定义的分类方式，提高ner的识别度！

 

数据评估——衡量方法的优劣

 

1、大多采用准确率和召回率和F1值来衡量方法的优劣。

2、F1值为准确率和召回率的加权几何平均值，具体定义如下。

　　β是准确率和召回率的相对权重，β= 1，认为两个指标重要性是相同的；β>1,召回率权更重要一些；β<1时，准确率更重要一些。

 

 

 

数据评估方式

 

　　数据标注：

  　　　　1） 先跑出一版数据，然后再数据上做正确的标注；

　　评估方式：

  　　　　1） 关系挖掘数据评估；

  　　　　2） 内链数据评估；

 　　新闻数据评估：

 　　　　 1） 近似认为与原语料相同，进行数据类挖掘；

 

 

规则提取特征：

1) 换行提取

　　 丘和

 

 2) 单行

丘行恭

 

 

 

 

 

参考资料

 

人物关系抽取

人物关系抽取_文库

百度百科合作API介绍

 

推荐