基于中文微博文本的人物實體關(guān)系提取與分析.pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，出現(xiàn)了許多方便快捷的網(wǎng)絡(luò)社交平臺，例如國外的Twitter、Face Book和國內(nèi)的新浪微博，騰訊微博等，使得微博這樣的社交網(wǎng)絡(luò)服務(wù)(SNS)的網(wǎng)絡(luò)行為變得越來越頻繁，微博文本信息呈現(xiàn)出一種爆炸式增長的趨勢，發(fā)現(xiàn)人物之間的社會關(guān)系、社會行為等有著重要的意義。由于微博的短文本特點，許多關(guān)系提取方法無法正常的在微博語料庫中使用?；谶@樣的缺陷，本文的研究內(nèi)容包括以下幾點：
　　(1)首先針對微博特點改進了基于依

2、賴三元核的人物關(guān)系提取方法，改進內(nèi)容主要涉及詞項的語義相似度和句法相似度。本文利用詞項相似度工具HowNet來對詞項語義特征進行了分析，然后提出了詞項的詞性標注(POS)和語義角色(GR)二元組(POS,GR)進行詞項句法特征分析，并且計算了詞項信息熵以及（POS，GR）二元組的互信息熵的值來分別作為詞項語義特征和句法特征的權(quán)重。本文將改進后的依賴三元核用于提取人物之間的互動關(guān)系集合(IR)，并且作為元學(xué)習(xí)層的輸入進行關(guān)系分析。

3、　　(2)在獲得互動關(guān)系后，經(jīng)過分析發(fā)現(xiàn)關(guān)系種類復(fù)雜，運用在圖譜上會產(chǎn)生很多重復(fù)、冗余節(jié)點，因此本文的元學(xué)習(xí)層運用互動關(guān)系作為輸入，提出7種關(guān)系描述詞提取規(guī)則和關(guān)系描述詞分類算法（RKWCA），將人物社會關(guān)系大致分為了朋友，工作，家庭，敵意這四種關(guān)系，最后將人物實體作為節(jié)點，關(guān)系描述詞作為屬性，關(guān)系類型作為邊生成可視化圖譜。
　　(3)本文對提出的方法進行了實驗，從微博中提取出了人物的互動關(guān)系和社會關(guān)系，并且將關(guān)系描述詞作為邊的屬