基于自举学习与指代消解的人物家庭网络构建研究（胡亚楠等）.pptVIP

基于自举学习与指代消解的人物家庭网络构建研究 作者：顾静航、胡亚楠、钱龙华、朱巧明 报告人：胡亚楠 苏州大学自然语言处理实验室 主要内容 研究动机 相关工作 研究方法 评价方法 实验结果 展望 研究动机 社会关系网络在当今信息化社会中具有重要的作用，社会关系网络的分析和应用可以提高人们的生活质量和生活效率。家庭是人类社会最基本的组成单位，因而家庭网络是社会网络中的核心部分。传统的社会关系网络分析(Social Network Analysis, SNA)着眼于以人为个体，考察个体在网络中的作用，忽略了家庭作为一个整体对社会网络的影响。本文从构建家庭网络入手，挖掘丰富的人物家庭关系，为构造大规模的社会关系网络打下基础。 相关工作 自举学习 Hearst(1992)：基于模式匹配来抽取“is-a”关系 Pantel等(2006)：Espresso，解决模式和实例的可信度问题 姚从磊等(2007)：采用模拟退火算法发现网页中蕴涵的人物社会关系 社会关系网络 Kautz等(1997)：Referral Web，利用人名共现实现社会网络挖掘 Mika等(2005)：同Referral Web，包括Web网页和用户电子邮件 相关工作(续) 社会关系网络(续) 唐杰等(2008)：ArnetMiner，建立学术人物之间的社会关系网络 Elson等(2010)、Agarwal等(2012)：对小说中人物的社会关系网络进行了研究，提出了隐式社会关系的概念 Camp和Bosch等(2011)：从人物自传中提取带有情感极性的人物社会关系 Zhu等(2009)：StatSnowball，采用自举方法进行人物社会关系的抽取，融合概率模型和马尔科夫逻辑网络等方法，实现“微软人立方” 研究方法 基于自举学习的人物家庭关系抽取: 家庭关系定义： “Parent-Child”和“Husband-Wife”。 为了便于自举过程的进行，“Parent-Child”关系类型又被细分为“Father-Son”、“Father-Daughter”、“Mother-Son”和“Mother-Daughter” 自举学习过程： 模式发现 模式评估 实例发现 实例评估 模式发现： 给定种子“江泽民, 王冶坪” 抽取出文本“……中国国家主席江泽民的夫人王冶坪今天下午……” 抽取模式，得“Husband的夫人Wife” 研究方法(续) 研究方法 (续) 模式评估： 采用PMI衡量模式p与人物对{x, y}之间的关联强度 定义模式p的可信度为rπ(p)，它与每个实例i的平均关联程度有关 研究方法 (续) 实例发现： 利用已有模式发现实例 如模式“Husband的夫人Wife” 可以得到句子“……中国国务院总理李鹏的夫人朱琳8日上午来到……” 进行分词、人名识别，可以发现新的夫妻关系实例“李鹏, 朱琳”。 研究方法 (续) 实例评估： 定义实例i的可信度为rl(i)，它与每个模式p的平均关联程度有关 PMI方法对于低频事件有偏向性，所以引入打折因子 研究方法(续) 基于指代消解的人物家庭网络融合： 人名精确匹配： 在不同的人物对中按照人名进行字符串精确匹配，将具有相同名称的人名作为连接点，通过连接点将不同的人物对联系起来，形成初始家庭。 重名消岐： 在人名精确匹配的基础上，以文档的全局实体特征作为人名特征，计算同名人物之间的余弦相似度，将相似度低于某一阀值的同名人物从初始家庭中分离出去。 多名聚合： 在家庭内部采用最小编辑距离的方法进行人物的多名聚合，当人名之间的相似度大于某一阀值时，将它们归入同一指代链，并形成最终家庭。 研究方法(续) 在进行人物家庭网络构建时，即需要将拥有相同名称的不同人物归入各自的指代链，又需要将指向同一人物的多个名称归入同一条指代链 研究方法(续) 例子： (a)“……，卡恩的妻子西蒙娜却站出来维护自己的丈夫，说……” (b)“……，巴博的妻子西蒙娜当日早些时候在执政党明确表示,法国并没有在……” (c)“尼日利亚国家元首阿巴查的夫人玛丽亚姆?阿巴查26日在接受本社记者采访……” (d)“尼日利亚国家元首阿巴查和夫人玛利亚姆?阿巴查、外交部长……” (e)“这些人员中主要包括阿巴查的儿子穆罕默德?阿巴查和商人……” 研究方法(续) 以上5个例句分别来源于5篇不同的文档 其中(a)与(b)中的“西蒙娜”为不同的人物，因而(a)与(b)中的夫妻关系不同 (c)中的“玛丽亚姆?阿巴查”与(d)中的“玛利亚姆?阿巴查”则是指同一个人，(c)与(d)中的夫妻关系相同 (a)、(b)中的人物不能构建成一个家庭 (c)、(d)中的夫妻以及(e)中的父子可以构建成一个家庭。 评价方法 关系抽取性能评价 其中，C为抽取结果中正确的