[论文解读] Building and displaying name relations using automatic unsupervised analysis of newspaper articles

Bruno Pouliquen, Ralf Steinberger+2 more|ArXiv.org|Sep 12, 2006

Geographic Information Systems Studies参考文献 6被引用 6

一句话总结

本文提出一种无监督方法，通过自动命名实体识别和统计共现分析，从多语种报纸文章中提取并可视化人与人之间的关系。该系统每日处理约15,000篇来自15种语言的文章，构建知识库，使用户可通过NewsExplorer应用程序中的地图和人物专属页面，交互式探索关系网络，展示了无需人工标注即可实现可扩展的多语种关系挖掘。

ABSTRACT

We present a tool that, from automatically recognised names, tries to infer inter-person relations in order to present associated people on maps. Based on an in-house Named Entity Recognition tool, applied on clusters of an average of 15,000 news articles per day, in 15 different languages, we build a knowledge base that allows extracting statistical co-occurrences of persons and visualising them on a per-person page or in various graphs.

研究动机与目标

• 从大规模报纸语料中自动推断人物间关系，无需人工标注。
• 开发一种可扩展的多语种系统，能够每日处理15,000篇来自15种语言的文章。
• 通过地图和交互式网页可视化检测到的人物关系，以支持探索性分析。
• 利用无监督技术支持多语种信息检索与知识库构建。

提出的方法

• 使用自研命名实体识别（NER）系统从报纸文章中提取人名。
• 应用无监督的统计共现分析，基于共享提及上下文识别潜在的人物关系。
• 每日处理约15,000篇文章的聚类，跨15种语言聚合共现频率。
• 基于共现统计构建知识库，以表示个体之间的关系网络。
• 通过交互式网页界面可视化结果，包括人物详情页和图形化表示。
• 利用NewsExplorer在线应用程序，实现在多语境下对检测到的关系进行探索。

实验结果

研究问题

• RQ1 如何使用无监督方法从大规模多语种报纸文章中自动推断人物间关系？
• RQ2 无监督共现分析在不同语言中检测有意义人物关系时的可扩展性与鲁棒性如何？
• RQ3 如何在多语境下有效可视化检测到的关系网络，以支持交互式探索？
• RQ4 无监督命名实体识别与共现模式在构建关系知识库方面，能在多大程度上替代人工标注？

主要发现

• 该系统成功使用无监督技术，每日处理约15,000篇来自15种语言的报纸文章。
• 命名实体的统计共现模式无需人工标注即可产生有意义的人物关系。
• 由此构建的知识库支持在地图和图形界面中交互式可视化人物关系。
• 该方法基于先前的命名实体识别工作（cs.CL/0609051），并将其扩展至关系知识提取。
• 该系统已集成至多语种NewsExplorer应用程序，支持对检测到的关系进行实时探索。
• 该方法证明了在新闻媒体中实现大规模、多语种、无监督关系挖掘的可行性。