基于語(yǔ)義角色標(biāo)注的微博人物關(guān)系抽取.pdf

1、社交網(wǎng)絡(luò)上的人物社會(huì)關(guān)系是分析人物網(wǎng)絡(luò)行為的一類重要信息,如何高效準(zhǔn)確地從社交網(wǎng)絡(luò)上抽取人物關(guān)系信息,是本文研究的重點(diǎn)。本文首先提出一種基于特征提取的人物關(guān)系分類的改進(jìn)方法,然后再將這種方法應(yīng)用到微博語(yǔ)料中,通過(guò)對(duì)新浪微博中兩個(gè)用戶之間的微博、評(píng)論等含有二人關(guān)系的語(yǔ)料內(nèi)容進(jìn)行采集分析和過(guò)濾處理,然后進(jìn)行語(yǔ)義角色標(biāo)注和句法結(jié)構(gòu)分析,提取人物關(guān)系特征,訓(xùn)練人物關(guān)系模版,進(jìn)而實(shí)現(xiàn)人物關(guān)系分類。本文的研究?jī)?nèi)容主要包括以下幾個(gè)方面:
　　首

2、先,本文使用基于語(yǔ)義角色標(biāo)注的方法來(lái)提取人物關(guān)系特征。通過(guò)對(duì)中文語(yǔ)句語(yǔ)義角色標(biāo)注,將兩個(gè)人名實(shí)體在語(yǔ)句中的位置和成分以及語(yǔ)句結(jié)構(gòu)類型作為人物關(guān)系特征,并通過(guò)上述分析進(jìn)行選取核心特征詞,豐富了人物關(guān)系特征的種類。
　　其次,本文實(shí)現(xiàn)對(duì)微博中的語(yǔ)料進(jìn)行人物關(guān)系抽取。本文使用新浪微博的API接口獲取部分新浪微博語(yǔ)料,針對(duì)微博語(yǔ)料不規(guī)則、不完整的特點(diǎn),本文采用對(duì)微博語(yǔ)料進(jìn)行規(guī)則填充的方法,使其符合標(biāo)準(zhǔn)的中文語(yǔ)句結(jié)構(gòu),再使用本文提出的改進(jìn)方

3、法對(duì)微博中的語(yǔ)料進(jìn)行分析,抽取語(yǔ)料中的人物關(guān)系,對(duì)新浪微博中的人物的虛擬關(guān)系圈進(jìn)行關(guān)系抽取。
　　最后,本文使用 Flex技術(shù)實(shí)現(xiàn)微博用戶人物關(guān)系網(wǎng)的可視化分析。本文使用Flex的開(kāi)源可視化框架Birdeye來(lái)實(shí)現(xiàn)可視化模塊,構(gòu)建人物關(guān)系網(wǎng)絡(luò)拓?fù)鋱D,并對(duì)于微博用戶的好友活躍度分析、好友性別區(qū)域分布等信息使用直方圖和餅狀圖的方式來(lái)實(shí)現(xiàn)。
　　為了證實(shí)基于語(yǔ)義角色標(biāo)注的特征提取方法的關(guān)系抽取效果,本文分別對(duì)新聞?lì)愓Z(yǔ)料和微博類語(yǔ)料

4、進(jìn)行實(shí)驗(yàn),在新聞?lì)愓Z(yǔ)料的實(shí)驗(yàn)中選用《人民日?qǐng)?bào)》語(yǔ)料中3000個(gè)含有兩個(gè)人名實(shí)體的語(yǔ)句,微博類語(yǔ)料選用了3000個(gè)含有兩個(gè)人名實(shí)體的微博語(yǔ)句,人工對(duì)這些人物關(guān)系進(jìn)行標(biāo)注,分別使用基于語(yǔ)義角色標(biāo)注的特征提取方法和只選用上下文詞集為特征提取方法進(jìn)行對(duì)比實(shí)驗(yàn)。在新聞?lì)愓Z(yǔ)料中本文提出的方法取得了的準(zhǔn)確率和召回率分別81.17％和81.00%,選用上下文詞集特征方法的準(zhǔn)確率和召回率分別為72.32%和72.35%;微博類語(yǔ)料中本文提出的方法取得的準(zhǔn)