第3章java語言程序設計基礎

1、基于自舉學習與指代消解的人物家庭網(wǎng)絡構建研究,作者：顧靜航、胡亞楠、錢龍華、朱巧明報告人：胡亞楠蘇州大學自然語言處理實驗室,主要內(nèi)容,研究動機相關工作研究方法評價方法實驗結果展望,研究動機,社會關系網(wǎng)絡在當今信息化社會中具有重要的作用，社會關系網(wǎng)絡的分析和應用可以提高人們的生活質(zhì)量和生活效率。家庭是人類社會最基本的組成單位，因而家庭網(wǎng)絡是社會網(wǎng)絡中的核心部分。傳統(tǒng)的社會關系網(wǎng)絡分析(Social Network Analy

2、sis, SNA)著眼于以人為個體，考察個體在網(wǎng)絡中的作用，忽略了家庭作為一個整體對社會網(wǎng)絡的影響。本文從構建家庭網(wǎng)絡入手，挖掘豐富的人物家庭關系，為構造大規(guī)模的社會關系網(wǎng)絡打下基礎。,相關工作,自舉學習Hearst(1992)：基于模式匹配來抽取“is-a”關系Pantel等(2006)：Espresso，解決模式和實例的可信度問題姚從磊等(2007)：采用模擬退火算法發(fā)現(xiàn)網(wǎng)頁中蘊涵的人物社會關系社會關系網(wǎng)絡Kautz等(1

3、997)：Referral Web，利用人名共現(xiàn)實現(xiàn)社會網(wǎng)絡挖掘Mika等(2005)：同Referral Web，包括Web網(wǎng)頁和用戶電子郵件,相關工作(續(xù)),社會關系網(wǎng)絡(續(xù))唐杰等(2008)：ArnetMiner，建立學術人物之間的社會關系網(wǎng)絡Elson等(2010)、Agarwal等(2012)：對小說中人物的社會關系網(wǎng)絡進行了研究，提出了隱式社會關系的概念Camp和Bosch等(2011)：從人物自傳中提取帶有情感極

4、性的人物社會關系Zhu等(2009)：StatSnowball，采用自舉方法進行人物社會關系的抽取，融合概率模型和馬爾科夫邏輯網(wǎng)絡等方法，實現(xiàn)“微軟人立方”,研究方法,基于自舉學習的人物家庭關系抽取:家庭關系定義：“Parent-Child”和“Husband-Wife”。為了便于自舉過程的進行，“Parent-Child”關系類型又被細分為“Father-Son”、“Father-Daughter”、“Mother-Son”和

5、“Mother-Daughter”自舉學習過程：模式發(fā)現(xiàn)模式評估實例發(fā)現(xiàn)實例評估,模式發(fā)現(xiàn)：給定種子“江澤民, 王冶坪”抽取出文本“……中國國家主席江澤民的夫人王冶坪今天下午……”抽取模式，得“的夫人”,研究方法(續(xù)),研究方法 (續(xù)),模式評估：采用PMI衡量模式p與人物對{x, y}之間的關聯(lián)強度定義模式p的可信度為rπ(p)，它與每個實例i的平均關聯(lián)程度有關,研究方法 (續(xù)),實例發(fā)現(xiàn)：利用已有模式發(fā)現(xiàn)實

6、例如模式“的夫人”可以得到句子“……中國國務院總理李鵬的夫人朱琳8日上午來到……”進行分詞、人名識別，可以發(fā)現(xiàn)新的夫妻關系實例“李鵬, 朱琳”。,研究方法 (續(xù)),實例評估：定義實例i的可信度為rl(i)，它與每個模式p的平均關聯(lián)程度有關PMI方法對于低頻事件有偏向性，所以引入打折因子,,研究方法(續(xù)),基于指代消解的人物家庭網(wǎng)絡融合：人名精確匹配：在不同的人物對中按照人名進行字符串精確匹配，將具有相同名稱的人名作為連

7、接點，通過連接點將不同的人物對聯(lián)系起來，形成初始家庭。重名消岐：在人名精確匹配的基礎上，以文檔的全局實體特征作為人名特征，計算同名人物之間的余弦相似度，將相似度低于某一閥值的同名人物從初始家庭中分離出去。多名聚合：在家庭內(nèi)部采用最小編輯距離的方法進行人物的多名聚合，當人名之間的相似度大于某一閥值時，將它們歸入同一指代鏈，并形成最終家庭。,研究方法(續(xù)),在進行人物家庭網(wǎng)絡構建時，即需要將擁有相同名稱的不同人物歸入各自的指代鏈，又

8、需要將指向同一人物的多個名稱歸入同一條指代鏈,研究方法(續(xù)),例子：(a)“……，卡恩的妻子西蒙娜卻站出來維護自己的丈夫，說……”(b)“……，巴博的妻子西蒙娜當日早些時候在執(zhí)政黨明確表示,法國并沒有在……”(c)“尼日利亞國家元首阿巴查的夫人瑪麗亞姆?阿巴查26日在接受本社記者采訪……”(d)“尼日利亞國家元首阿巴查和夫人瑪利亞姆?阿巴查、外交部長……”(e)“這些人員中主要包括阿巴查的兒子穆罕默德?阿巴查和商人……”,研究

9、方法(續(xù)),以上5個例句分別來源于5篇不同的文檔其中(a)與(b)中的“西蒙娜”為不同的人物，因而(a)與(b)中的夫妻關系不同(c)中的“瑪麗亞姆?阿巴查”與(d)中的“瑪利亞姆?阿巴查”則是指同一個人，(c)與(d)中的夫妻關系相同(a)、(b)中的人物不能構建成一個家庭(c)、(d)中的夫妻以及(e)中的父子可以構建成一個家庭。,評價方法,關系抽取性能評價其中，C為抽取結果中正確的實例數(shù)目，T為系統(tǒng)抽取出的實例總數(shù)。

10、指代消解評價方法(B-CUBE),,評價方法(續(xù)),其中，Response(Ei)指包含名稱i的輸出鏈的中全部的元素個數(shù)，Right(Response(Ei))指包含名稱i的輸出鏈中正確的元素個數(shù)， Key(Ei)指包含名稱i的參照輸出鏈中的全部元素個數(shù)?？缥谋局复庹w性能的計算公式為：其中， wi采用等分權值1/N。,評價方法(續(xù)),家庭網(wǎng)絡評價方法其中，Positive為系統(tǒng)構建的正確的家庭數(shù)目

11、，Retained為系統(tǒng)構建的家庭總數(shù)，Standard為標準集中的家庭數(shù)目。,實驗結果,實驗語料及預處理采用Gigaword中文語料庫作為家庭網(wǎng)絡構建的實驗數(shù)據(jù)，共有1,033,679篇新聞報道，將其導入Solr，以Web方式進行檢索。在進行人物家庭網(wǎng)絡構建時，在人物關系抽取的基礎上選取人名精確匹配的結果作為基準系統(tǒng)。然后在基準系統(tǒng)的基礎上進行人工標注，將存在錯誤的指代鏈與家庭進行人工校正，這樣就獲得了指代鏈和家庭網(wǎng)絡的標準集。