基于信息構(gòu)建關(guān)聯(lián)網(wǎng)絡(luò)的社交關(guān)系挖掘

　　針對(duì)目前基于監(jiān)督學(xué)習(xí)的關(guān)系抽取方法需要標(biāo)注大量訓(xùn)練數(shù)據(jù)和預(yù)先定義關(guān)系類型，提出了一種基于詞語(yǔ)共現(xiàn)信息構(gòu)建關(guān)聯(lián)網(wǎng)絡(luò)并在關(guān)聯(lián)網(wǎng)絡(luò)上進(jìn)行圖聚類分析的人物關(guān)系提取方法。首先，從新聞標(biāo)題數(shù)據(jù)獲得關(guān)聯(lián)度較高的500個(gè)人物對(duì)用于關(guān)系抽取研究；然后，抓取關(guān)聯(lián)人物對(duì)所在新聞數(shù)據(jù)，對(duì)其進(jìn)行預(yù)處理，并利用詞頻一逆向文檔頻率（ TF-IDF）得到人物對(duì)共現(xiàn)句子中的關(guān)鍵詞；其次，基于詞語(yǔ)共現(xiàn)信息得到詞語(yǔ)之間的關(guān)聯(lián)，進(jìn)而建立關(guān)鍵詞關(guān)聯(lián)網(wǎng)絡(luò)；最后，利用對(duì)關(guān)聯(lián)網(wǎng)絡(luò)進(jìn)行圖聚類分析以獲得人物關(guān)系。在關(guān)系抽取的實(shí)驗(yàn)中，與傳統(tǒng)基于詞語(yǔ)共現(xiàn)和模式匹配的中文實(shí)體關(guān)系提取方法相比，所提方法在準(zhǔn)確率、召回率和平衡F分?jǐn)?shù)（ F-score）上分別提升了5.5，3.7和4.4個(gè)百分點(diǎn)。實(shí)驗(yàn)結(jié)果表明，所提算法能夠在沒(méi)有標(biāo)注訓(xùn)練數(shù)據(jù)的條件下，有效地從新聞數(shù)據(jù)中抽取豐富且高質(zhì)量的人物關(guān)系數(shù)據(jù)。