第3章java語(yǔ)言程序設(shè)計(jì)基礎(chǔ)

1、基于自舉學(xué)習(xí)與指代消解的人物家庭網(wǎng)絡(luò)構(gòu)建研究,作者：顧靜航、胡亞楠、錢龍華、朱巧明報(bào)告人：胡亞楠蘇州大學(xué)自然語(yǔ)言處理實(shí)驗(yàn)室,主要內(nèi)容,研究動(dòng)機(jī)相關(guān)工作研究方法評(píng)價(jià)方法實(shí)驗(yàn)結(jié)果展望,研究動(dòng)機(jī),社會(huì)關(guān)系網(wǎng)絡(luò)在當(dāng)今信息化社會(huì)中具有重要的作用，社會(huì)關(guān)系網(wǎng)絡(luò)的分析和應(yīng)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(huì)最基本的組成單位，因而家庭網(wǎng)絡(luò)是社會(huì)網(wǎng)絡(luò)中的核心部分。傳統(tǒng)的社會(huì)關(guān)系網(wǎng)絡(luò)分析(Social Network Analy

2、sis, SNA)著眼于以人為個(gè)體，考察個(gè)體在網(wǎng)絡(luò)中的作用，忽略了家庭作為一個(gè)整體對(duì)社會(huì)網(wǎng)絡(luò)的影響。本文從構(gòu)建家庭網(wǎng)絡(luò)入手，挖掘豐富的人物家庭關(guān)系，為構(gòu)造大規(guī)模的社會(huì)關(guān)系網(wǎng)絡(luò)打下基礎(chǔ)。,相關(guān)工作,自舉學(xué)習(xí)Hearst(1992)：基于模式匹配來(lái)抽取“is-a”關(guān)系Pantel等(2006)：Espresso，解決模式和實(shí)例的可信度問(wèn)題姚從磊等(2007)：采用模擬退火算法發(fā)現(xiàn)網(wǎng)頁(yè)中蘊(yùn)涵的人物社會(huì)關(guān)系社會(huì)關(guān)系網(wǎng)絡(luò)Kautz等(1

3、997)：Referral Web，利用人名共現(xiàn)實(shí)現(xiàn)社會(huì)網(wǎng)絡(luò)挖掘Mika等(2005)：同Referral Web，包括Web網(wǎng)頁(yè)和用戶電子郵件,相關(guān)工作(續(xù)),社會(huì)關(guān)系網(wǎng)絡(luò)(續(xù))唐杰等(2008)：ArnetMiner，建立學(xué)術(shù)人物之間的社會(huì)關(guān)系網(wǎng)絡(luò)Elson等(2010)、Agarwal等(2012)：對(duì)小說(shuō)中人物的社會(huì)關(guān)系網(wǎng)絡(luò)進(jìn)行了研究，提出了隱式社會(huì)關(guān)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(huì)關(guān)系Zhu等(2009)：StatSnowball，采用自舉方法進(jìn)行人物社會(huì)關(guān)系的抽取，融合概率模型和馬爾科夫邏輯網(wǎng)絡(luò)等方法，實(shí)現(xiàn)“微軟人立方”,研究方法,基于自舉學(xué)習(xí)的人物家庭關(guān)系抽取:家庭關(guān)系定義：“Parent-Child”和“Husband-Wife”。為了便于自舉過(guò)程的進(jìn)行，“Parent-Child”關(guān)系類型又被細(xì)分為“Father-Son”、“Father-Daughter”、“Mother-Son”和

5、“Mother-Daughter”自舉學(xué)習(xí)過(guò)程：模式發(fā)現(xiàn)模式評(píng)估實(shí)例發(fā)現(xiàn)實(shí)例評(píng)估,模式發(fā)現(xiàn)：給定種子“江澤民, 王冶坪”抽取出文本“……中國(guó)國(guó)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(píng)估：采用PMI衡量模式p與人物對(duì){x, y}之間的關(guān)聯(lián)強(qiáng)度定義模式p的可信度為rπ(p)，它與每個(gè)實(shí)例i的平均關(guān)聯(lián)程度有關(guān),研究方法 (續(xù)),實(shí)例發(fā)現(xiàn)：利用已有模式發(fā)現(xiàn)實(shí)

6、例如模式“的夫人”可以得到句子“……中國(guó)國(guó)務(wù)院總理李鵬的夫人朱琳8日上午來(lái)到……”進(jìn)行分詞、人名識(shí)別，可以發(fā)現(xiàn)新的夫妻關(guān)系實(shí)例“李鵬, 朱琳”。,研究方法 (續(xù)),實(shí)例評(píng)估：定義實(shí)例i的可信度為rl(i)，它與每個(gè)模式p的平均關(guān)聯(lián)程度有關(guān)PMI方法對(duì)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(luò)融合：人名精確匹配：在不同的人物對(duì)中按照人名進(jìn)行字符串精確匹配，將具有相同名稱的人名作為連

7、接點(diǎn)，通過(guò)連接點(diǎn)將不同的人物對(duì)聯(lián)系起來(lái)，形成初始家庭。重名消岐：在人名精確匹配的基礎(chǔ)上，以文檔的全局實(shí)體特征作為人名特征，計(jì)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(jìn)行人物的多名聚合，當(dāng)人名之間的相似度大于某一閥值時(shí)，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(jìn)行人物家庭網(wǎng)絡(luò)構(gòu)建時(shí)，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(gè)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(lái)維護(hù)自己的丈夫，說(shuō)……”(b)“……，巴博的妻子西蒙娜當(dāng)日早些時(shí)候在執(zhí)政黨明確表示,法國(guó)并沒(méi)有在……”(c)“尼日利亞國(guó)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(guó)家元首阿巴查和夫人瑪利亞姆?阿巴查、外交部長(zhǎng)……”(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(gè)例句分別來(lái)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(guān)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(gè)人，(c)與(d)中的夫妻關(guān)系相同(a)、(b)中的人物不能構(gòu)建成一個(gè)家庭(c)、(d)中的夫妻以及(e)中的父子可以構(gòu)建成一個(gè)家庭。,評(píng)價(jià)方法,關(guān)系抽取性能評(píng)價(jià)其中，C為抽取結(jié)果中正確的實(shí)例數(shù)目，T為系統(tǒng)抽取出的實(shí)例總數(shù)。

10、指代消解評(píng)價(jià)方法(B-CUBE),,評(píng)價(jià)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(gè)數(shù)，Right(Response(Ei))指包含名稱i的輸出鏈中正確的元素個(gè)數(shù)， Key(Ei)指包含名稱i的參照輸出鏈中的全部元素個(gè)數(shù)?？缥谋局复庹w性能的計(jì)算公式為：其中， wi采用等分權(quán)值1/N。,評(píng)價(jià)方法(續(xù)),家庭網(wǎng)絡(luò)評(píng)價(jià)方法其中，Positive為系統(tǒng)構(gòu)建的正確的家庭數(shù)目

11、，Retained為系統(tǒng)構(gòu)建的家庭總數(shù)，Standard為標(biāo)準(zhǔn)集中的家庭數(shù)目。,實(shí)驗(yàn)結(jié)果,實(shí)驗(yàn)語(yǔ)料及預(yù)處理采用Gigaword中文語(yǔ)料庫(kù)作為家庭網(wǎng)絡(luò)構(gòu)建的實(shí)驗(yàn)數(shù)據(jù)，共有1,033,679篇新聞報(bào)道，將其導(dǎo)入Solr，以Web方式進(jìn)行檢索。在進(jìn)行人物家庭網(wǎng)絡(luò)構(gòu)建時(shí)，在人物關(guān)系抽取的基礎(chǔ)上選取人名精確匹配的結(jié)果作為基準(zhǔn)系統(tǒng)。然后在基準(zhǔn)系統(tǒng)的基礎(chǔ)上進(jìn)行人工標(biāo)注，將存在錯(cuò)誤的指代鏈與家庭進(jìn)行人工校正，這樣就獲得了指代鏈和家庭網(wǎng)絡(luò)的標(biāo)準(zhǔn)集。