人物關係挖掘方案設計

 

 

背景

 

拓展知識圖譜-人物關係模塊，激發用戶興趣點擊，提高流量。

 

 

要解決的問題

 

一、識別人名：ner 命名實體識別。

二、識別兩我的是有關係的；

　　人名共現來講明兩我的之間有關係；

　　詞向量計算詞與詞之間的類似度來講明兩我的之間關係。

三、人物關係挖掘。

　　兩我的名知足某種依存模式，則將兩我的名和關係抽取出來。

　　用到的相關nlp算子：分詞、詞性標註、命名實體識別（NER）、依存語法分析、語義角色標註

　　依存句法中咱們所用到的主要關係有：主謂關係（SBV）、動賓關係（VOB）、定中關係（ATT）、並列關係（COO）、介賓關係（POB）；

 

技術方案、基於依存句法的人物關係抽取

 

 

 

 

 

 

核心工程

 

 

模式_實例1

 

兩人名實體同時位於主語，並列關係

例如：1914年，孔祥熙與宋靄齡於日本結婚。

 

利用哈工大語言云進行句法分析獲得結果以下：

 

 

 

模式_實例2

 

　　兩人名實體同時位於主語，修飾關係。特徵詞分別採用角色詞或者人物詞進行不一樣策略的挖掘。

　　例如：鄧超的妻子孫儷也是著名演員。

 

　　使用句法分析獲得結果以下：

 

 

 

 

 

模式_實例3

 

　　兩人名實體位於賓語，修飾關係

　　例如：他的妻子以往被認爲是洪秀全的妹妹洪宣嬌。

 

 

 

 

模式_實例4

 

　　兩人名實體分別爲主語和賓語，這種狀況時， 選取謂語動詞做爲特徵詞。

 

　　例如「子路師從孔子」

 

 

 

 

模式_實例5

 

　　關係名爲主語、人名2爲賓語，這種狀況時，選取謂語動詞「是」做爲特徵詞。

　　例如「禹智皓的哥哥是韓國男歌手禹泰雲」

 

 

訓練數據

 

部分訓練樣本

金城武在經濟公司的安排下師從歌手陳昇
子路師從孔子
禹智皓的哥哥是韓國男歌手禹泰雲
賈巴里·帕克的父親桑尼·帕克是前NBA球員   APP
鄧超的妻子孫儷也是著名演員  APP兩人名實體同時位於主語,修飾關係
1914年，孔祥熙與宋靄齡於日本結婚    兩人名實體同時位於主語，並列關係
他的妻子以往被認爲是洪秀全的妹妹洪宣嬌  兩人名實體位於賓語，修飾關係
韓雪在年代武俠劇《葉問》中飾演葉問的妻子張永成
劉濤共同出演古裝愛情劇《大理公主》飾演貧苦寡婦楊玉姣的女兒楊阿細

　　

 

 

 

優化方案

 

　　指代消解。針對那些語句中有代詞狀況，考慮採用指代消解方案進行優化！

 　  提升精準度特殊處理方式：

　　　　一、特定關係，必須知足姓氏相同。如：妹妹、弟弟、哥哥、父親、女兒、兒子、爺爺

　　　　二、語義提取，太依賴於nlp服務自己，在項目中發現，句法分析中出現部分中文詞沒法提取出來（這種nlp的句法分析服務暫沒提供自定義詞庫功能）；

　　　　三、ner的識別問題，經過增長分詞，並增長一些自定義的分類方式，提升ner的識別度！

 

數據評估——衡量方法的優劣

 

一、大多采用準確率和召回率和F1值來衡量方法的優劣。

二、F1值爲準確率和召回率的加權幾何平均值，具體定義以下。

　　β是準確率和召回率的相對權重，β= 1，認爲兩個指標重要性是相同的；β>1,召回率權更重要一些；β<1時，準確率更重要一些。

 

 

 

數據評估方式

 

　　數據標註：

  　　　　1） 先跑出一版數據，而後再數據上作正確的標註；

　　評估方式：

  　　　　1） 關係挖掘數據評估；

  　　　　2） 內鏈數據評估；

 　　新聞數據評估：

 　　　　 1） 近似認爲與原語料相同，進行數據類挖掘；

 

 

規則提取特徵：

1) 換行提取

　　 丘和

 

 2) 單行

丘行恭

 

 

 

 

 

參考資料

 

人物關係抽取

人物關係抽取_文庫

百度百科合做API介紹

 

推薦