[论文解读] BiographyNet: Extracting Relations Between People and Events

Antske Fokkens, S. ter Braake+5 more|arXiv (Cornell University)|Jan 22, 2018

Natural Language Processing Techniques参考文献 15被引用 11

一句话总结

BiographyNet 提出了一种自然语言处理流程，从荷兰传记门户网站的传记文本中提取人物与事件之间的关系，以出处和视角为核心设计原则，支持历史研究。该系统通过用户评估的演示系统增强了搜索与数据展示功能，利用基于历史背景的 NLP 技术，提升了对 76,000 名个体、125,000 份传记的访问能力。

ABSTRACT

This paper describes BiographyNet, a digital humanities project (2012-2016) that brings together researchers from history, computational linguistics and computer science. The project uses data from the Biography Portal of the Netherlands (BPN), which contains approximately 125,000 biographies from a variety of Dutch biographical dictionaries from the eighteenth century until now, describing around 76,000 individuals. BiographyNet's aim is to strengthen the value of the portal and comparable biographical datasets for historical research, by improving the search options and the presentation of its outcome, with a historically justified NLP pipeline that works through a user evaluated demonstrator. The project's main target group are professional historians. The project therefore worked with two key concepts: "provenance" -understood as a term allowing for both historical source criticism and for references to data-management and programming interventions in digitized sources; and "perspective" interpreted as inherent uncertainty concerning the interpretation of historical results.

研究动机与目标

• 通过改进搜索与数据展示功能，提升荷兰传记门户网站对专业历史学家的实用性。
• 开发一种具有历史依据的 NLP 流程，支持源批评与数据管理透明性。
• 将“出处”与“视角”概念整合进数字人文领域的 NLP 系统，用于传记数据处理。
• 创建一个经最终用户评估的演示系统，以确保其在历史研究情境中的相关性与可用性。
• 通过支持更精确且可解释的关系抽取，增强数字化传记数据集的价值。

提出的方法

• 该系统处理了来自 18 世纪至今的荷兰传记词典中的 125,000 份传记。
• 应用了一套专为历史源批评设计的 NLP 流程，强调出处与解释不确定性。
• 该流程提取人物与事件之间的关系，例如“人物 X 在事件 Y 中出生”或“人物 Z 在时间 T 内担任职务”。
• 构建了演示系统并由历史学家进行评估，以确保其与专业研究实践一致。
• 系统将“视角”作为历史解释中固有不确定性的表示，尤其适用于模糊或冲突的源数据。
• 嵌入出处追踪机制，以记录源数据的原始出处及数据处理过程中应用的计算转换。

实验结果

研究问题

• RQ1 如何调整 NLP 技术，以从历史传记文本中提取人物-事件关系，同时尊重源批评原则？
• RQ2 出处追踪在多大程度上能增强数字化传记数据的透明度与可信度？
• RQ3 如何计算建模“视角”概念，以反映历史数据中的解释不确定性？
• RQ4 用户评估的演示系统在多大程度上提升了关系抽取在专业历史学家中的可用性？
• RQ5 在将 NLP 系统与历史研究的方法论标准对齐时，面临哪些关键挑战？

主要发现

• NLP 流程成功从 125,000 份传记中提取了人物-事件关系，覆盖约 76,000 名个体。
• 通过历史学家的用户评估验证了演示系统的相关性与可用性，确认其在真实研究情境中的适用性。
• 引入出处追踪使研究人员能够追溯源数据的原始出处与计算干预过程，显著提升了透明度。
• “视角”模型有效表达了解释不确定性，支持谨慎且情境敏感的数据解读。
• 将历史方法论原则整合进 NLP 系统，增强了系统与专业历史标准的一致性。
• 本项目表明，数字人文领域的 NLP 系统必须在技术精确性与学术责任之间取得平衡，方能在历史研究中真正发挥作用。