基于樹核函數(shù)的人物關(guān)系抽取研究.ppt

基于樹核函數(shù)的人物關(guān)系抽取研究,彭成 錢龍華 周國棟 報告人：彭成 蘇州大學自然語言處理實驗室 /,提綱,引言 相關(guān)工作 研究動機 我們的方法 實驗結(jié)果與分析 下一步工作,引言,人物關(guān)系抽取 人物關(guān)系抽取是實體關(guān)系抽取的一個重要分支，旨在抽取人名實體之間的各種社會關(guān)系。 例如，關(guān)系實例“朱镕基會見克雷蒂安”中，存在著社會交互關(guān)系（CONTACT）。 研究意義 WEB給我們提供了一個巨大的信息庫，其中隱藏著大量用戶感興趣的實體及其相互關(guān)系。 人物關(guān)系抽取技術(shù)對社會網(wǎng)絡(luò)的構(gòu)建、問答系統(tǒng)等均具有重要意義。,相關(guān)工作,基于共現(xiàn)的方法： Kautz等(1997): Referral Web. Mika(2005): Flink. 基于機器學習方法： Matsuo等(2006):基于決策樹的C4.5分類器。 姚從磊等(2007):基于模擬退火算法。 Jing等(2007):基于命名實體識別、關(guān)系檢測、事件檢測。 Elson 等 (2010):基于角色名稱識別和對話檢測。 Agarwal等(2011):基于社會交互事件檢測。,研究動機,存在的問題：目前針對人物關(guān)系抽取的研究一般只涉及特定的領(lǐng)域或是依賴于大規(guī)模網(wǎng)頁共現(xiàn)關(guān)系。通常情況下，人物關(guān)系類型比較單一。 現(xiàn)有條件：隨著基于核函數(shù)的廣泛采用，實體關(guān)系抽取技術(shù)得到迅速發(fā)展并日臻成熟。 能否利用樹核函數(shù)從新聞領(lǐng)域文本中抽取豐富的人物關(guān)系？如何提高其抽取性能？,人物關(guān)系抽取方法,人物關(guān)系定義 靜態(tài)人物關(guān)系：ACE語料原有定義的PER-SOC關(guān)系（Business, Family, Lasting-Personal）。 動態(tài)人物關(guān)系：重新定義ACE的CONTACT事件（Meet, Phone-Write）為交互關(guān)系。 基于樹核函數(shù)的人物關(guān)系抽取方法 結(jié)構(gòu)化信息的構(gòu)造 同義詞詞林語義信息的融合 重采樣技術(shù)的應用,結(jié)構(gòu)化信息的構(gòu)造,刪除實體并列結(jié)構(gòu)（RMV_ENTITY_CC） 當連接兩個實體節(jié)點的路徑中出現(xiàn)并列結(jié)構(gòu)時，可以刪除其中的一個并列部分。 刪除NP并列結(jié)構(gòu)（RMV_NP_CC_NP） 當連接兩個NP節(jié)點的路徑中出現(xiàn)并列結(jié)構(gòu)時，保留最短路徑所通過的那個并列部分。 恢復右側(cè)動詞（EXT_RIGHT_VERB） 擴展第二個實體到最低公共節(jié)點之間出現(xiàn)的動詞短語結(jié)構(gòu)。,結(jié)構(gòu)化信息的構(gòu)造（續(xù)）,語義信息融合,語義信息對實體間語義關(guān)系的抽取具有重要的指導作用，我們在句法樹中加入了兩個實體詞匯在同義詞詞林的語義編碼信息。,重采樣技術(shù)的應用,實驗,實驗設(shè)置 人物關(guān)系語料庫包括關(guān)系正例880個，關(guān)系負例18599個。人物關(guān)系類型主要為PER-SOC類和CONTACT類。 本文實驗采用五倍交叉驗證策略。 選擇SVM作為分類器，采用的開源工具為支持卷積樹核函數(shù)的SVMLight TK工具包。 評估標準采用常用的準確率（P），召回率（R）和F1指標（F1）。 本文采用近似隨機技術(shù)進行顯著性測試，并分別使用雙下劃線、單下劃線和無下劃線表示 p0.01、0.01p0.05和p0.05，即差異非常顯著、顯著和不顯著。,實驗結(jié)果裁剪特征的影響,結(jié)論： 1.三種裁剪策略對總體性能提升顯著。 2. Contact類型的F1值明顯低于PER-SOC類型，同時，其性能提升幅度大于PER-SOC類型。,實驗結(jié)果語義信息的影響,結(jié)論： 1.隨著語義信息顆粒度的逐步提高，F(xiàn)1總體性能不斷增加。 2. F1值的提高均來源于召回率的大幅提高。,實驗結(jié)果重采樣技術(shù)的影響,欠采樣對人物關(guān)系抽取的影響,實驗結(jié)果重采樣技術(shù)的影響,過采樣對人物關(guān)系抽取的影響,結(jié)論： 1.欠采樣和過采樣的性能基本上都高于完全樣本訓練時的F1值。 2.過采樣的性能普遍高于欠采樣，且在一定比例范圍內(nèi)維持基本不變。 3.無論對于欠采樣還是過采樣，Contact類的性能提升明顯高于PER-SOC類。,下一步工作,本文提出了一種基于樹核的人物關(guān)系抽取方法。 該方法同時使用了結(jié)構(gòu)化信息裁剪、詞林語義信息、重采樣技術(shù)等策略。 今后的工作：利用搜索引