背景
拓展知識圖譜-人物關系模塊，激發用戶興趣點擊，提升流量。
要解決的問題
1、識別人名：ner 命名實體識別。
2、識別兩個人是有關系的；
人名共現來說明兩個人之間有關系；
詞向量計算詞與詞之間的相似度來說明兩個人之間關系。
3、人物關系挖掘。
兩個人名滿足某種依存模式，則將兩個人名和關系抽取出來。
用到的相關nlp算子：分詞、詞性標注、命名實體識別（NER）、依存語法分析、語義角色標注依存句法中我們所用到的主要關系有：主謂關系（SBV）、動賓關系（VOB）、定中關系（ATT）、并列關系（COO）、介賓關系（POB）；
技術方案、基于依存句法的人物關系抽取
核心工程
模式_實例1
兩人名實體同時位于主語，并列關系
例如：1914年，孔祥熙與宋靄齡于日本結婚。
利用哈工大語言云進行句法分析得到結果如下：
模式_實例2
兩人名實體同時位于主語，修飾關系。特征詞分別采用角色詞或者人物詞進行不同策略的挖掘。
例如：鄧超的妻子孫儷也是著名演員。
使用句法分析得到結果如下：
模式_實例3
兩人名實體位于賓語，修飾關系
例如：他的妻子以往被認為是洪秀全的妹妹洪宣嬌。
模式_實例4
兩人名實體分別為主語和賓語，這種情況時，選取謂語動詞作為特征詞。
例如“子路師從孔子”
模式_實例5
關系名為主語、人名2為賓語，這種情況時，選取謂語動詞“是”作為特征詞。
例如“禹智皓的哥哥是韓國男歌手禹泰云”
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升 子路師從孔子 禹智皓的哥哥是韓國男歌手禹泰云 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兩人名實體同時位于主語,修飾關系 1914年，孔祥熙與宋靄齡于日本結婚 兩人名實體同時位于主語，并列關系 他的妻子以往被認為是洪秀全的妹妹洪宣嬌 兩人名實體位于賓語，修飾關系 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情況，考慮采用指代消解方案進行優化！
提高精準度特殊處理方式：
1、特定關系，必須滿足姓氏相同。如：妹妹、弟弟、哥哥、父親、女兒、兒子、爺爺
2、語義提取，太依賴于nlp服務本身，在項目中發現，句法分析中出現部分中文詞無法提取出來（這種nlp的句法分析服務暫沒提供自定義詞庫功能）；
3、ner的識別問題，通過增加分詞，并增加一些自定義的分類方式，提高ner的識別度！
數據評估——衡量方法的優劣
1、大多采用準確率和召回率和F1值來衡量方法的優劣。
2、F1值為準確率和召回率的加權幾何平均值，具體定義如下。
β是準確率和召回率的相對權重，β= 1，認為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
數據標注：
1） 先跑出一版數據，然后再數據上做正確的標注；
評估方式：
1） 關系挖掘數據評估；
2） 內鏈數據評估；
新聞數據評估：
1） 近似認為與原語料相同，進行數據類挖掘；
規則提取特征：
1) 換行提取
推薦
喜歡編程
浙公網安備 33010602011771號