[發(fā)明專利]一種面向新聞標(biāo)題的人物關(guān)系抽取方法

有效

• 申請?zhí)枺?/td>: 201510965136.0
• 申請日: 2015-12-21
• 公開（公告）號: CN105608070B
• 公開（公告）日: 2019-01-25
• 發(fā)明（設(shè)計）人: 柳廳文;亞靜;張浩亮;時金橋;趙佳鵬;閆旸;李全剛;張洋
• 申請（專利權(quán)）人: 中國科學(xué)院信息工程研究所
• 主分類號: G06F17/27
• 分類號: G06F17/27
• 代理公司: 北京君尚知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11200
• 代理人: 邱曉鋒

本發(fā)明涉及一種面向新聞標(biāo)題的人物關(guān)系抽取方法，其步驟包括：1)尋找出新聞標(biāo)題中的關(guān)系指示詞，用以區(qū)分不同類別的人物關(guān)系；2)根據(jù)人物與關(guān)系指示詞在新聞標(biāo)題中的位置特征，建立描述句子的句式模板；利用訓(xùn)練數(shù)據(jù)統(tǒng)計每個模板的正/負(fù)例個數(shù)，根據(jù)正負(fù)模板的比例判定新聞標(biāo)題中人物間關(guān)系的正確性；3)從新聞標(biāo)題與人物屬性知識庫中提取特征，通過特征分類的方法并結(jié)合步驟2)得到的句式模板的正/負(fù)例個數(shù)，判定給定的人物關(guān)系是否正確。本發(fā)明在保證準(zhǔn)確率的同時，降低了特征維度，提高了判定效率，可用于挖掘新聞標(biāo)題中的人物關(guān)系，進(jìn)而發(fā)現(xiàn)社會中的焦點人物、熱點事件等，便于及時掌握社會動態(tài)，監(jiān)控輿情。

技術(shù)領(lǐng)域

本發(fā)明屬于信息技術(shù)領(lǐng)域，具體涉及一種面向新聞標(biāo)題的人物關(guān)系抽取方法。

背景技術(shù)

人物關(guān)系抽取是實體關(guān)系抽取的重要分支。實體關(guān)系是指實體之間存在的語義聯(lián)系。Automatic Content Extraction(ACE)會議將實體關(guān)系抽取定義為：根據(jù)預(yù)先給定的實體關(guān)系類型，判定實體之間是否存在語義關(guān)系或是否屬于給定的關(guān)系類型。人物關(guān)系抽取將實體關(guān)系抽取中的實體限定為人物，關(guān)系類型限定為人物之間的關(guān)系進(jìn)行抽取，目前人物關(guān)系抽取的主要方法包括：模式匹配、語義分析、特征分類等。

模式匹配的方法主要是根據(jù)對訓(xùn)練數(shù)據(jù)中實例的觀察分析，制定出相應(yīng)的模版及其所屬類別的集合，再利用測試數(shù)據(jù)中的實例與集合中的模板匹配，如果匹配成功，則可根據(jù)模板所屬類別判定實例所屬類別。語義分析的方法是指根據(jù)句子的句法結(jié)構(gòu)和句中每個實詞的詞義推導(dǎo)出能夠反映這個句子意義(即句義)的某種形式化表示。特征分類的方法是指根據(jù)文檔中詞語的特征，有時也包含一些模板特征、語義分析特征等，利用特征分類器，將人物關(guān)系抽取轉(zhuǎn)化成二分類問題，即判定給定的人物關(guān)系是否成立。

模式匹配的主要問題在于模板大多數(shù)為人工制定，除消耗大量的人力資源外，當(dāng)數(shù)據(jù)規(guī)模較大時，很難制定出較為全面而精準(zhǔn)的模板集合。此外，當(dāng)領(lǐng)域變更時，原有的模板將不一定仍然適用，往往需要重新制定模板，領(lǐng)域遷移性較差。

語義分析的方法依賴于分詞、詞性標(biāo)注、依存關(guān)系等分析的準(zhǔn)確性，而現(xiàn)有的工具并不能準(zhǔn)確的處理上述問題。同時，新聞標(biāo)題的句子結(jié)構(gòu)較為精簡，句式結(jié)構(gòu)有時并不滿足一般的句法規(guī)則，這也影響了語義分析的準(zhǔn)確性。

特征分類方法的問題一是在于根據(jù)整個語料抽取的特征維度往往很高，導(dǎo)致利用分類器進(jìn)行訓(xùn)練和測試時效率過低；二是當(dāng)分類效果不好時，很難發(fā)現(xiàn)影響分類效果的具體實例，能做的僅是調(diào)整分類器的參數(shù)或修改特征的選擇；三是當(dāng)訓(xùn)練數(shù)據(jù)與測試數(shù)據(jù)的特征分布差距較大時，分類效果很差，很難構(gòu)建相對完整的訓(xùn)練數(shù)據(jù)集。

發(fā)明內(nèi)容

本發(fā)明的目的在于能根據(jù)給定的新聞標(biāo)題和人物屬性知識庫，自動判定給定的人物及人物間的關(guān)系是否正確。

本發(fā)明采用的技術(shù)方案如下：

一種面向新聞標(biāo)題的人物關(guān)系抽取方法，包括如下步驟：

1)尋找出新聞標(biāo)題中的關(guān)系指示詞，用以區(qū)分不同類別的人物關(guān)系；

2)根據(jù)人物與關(guān)系指示詞在新聞標(biāo)題中的位置特征，建立描述句子的句式模板；利用訓(xùn)練數(shù)據(jù)統(tǒng)計每個模板的正/負(fù)例個數(shù)，根據(jù)正負(fù)模板的比例判定新聞標(biāo)題中人物間關(guān)系的正確性；

3)從新聞標(biāo)題與人物屬性知識庫中提取特征，通過特征分類的方法并結(jié)合步驟2)得到的句式模板的正/負(fù)例個數(shù)，判定給定的人物關(guān)系是否正確。

進(jìn)一步地，在尋找關(guān)系指示詞之前進(jìn)行數(shù)據(jù)清洗，通過制定啟發(fā)式規(guī)則直接判定不符合條件的新聞標(biāo)題。

進(jìn)一步地，利用最小覆蓋的方法尋找出新聞標(biāo)題中的關(guān)系指示詞。

進(jìn)一步地，根據(jù)句子中的表達(dá)人物關(guān)系的<主語S、謂語P、賓語O>三元組，得到描述句子的層次句式模板。