1、基于有指导的音乐实体关系抽取,学 生：王莉峰指导老师：秦 兵 老师日 期：2009-6-7,2,提纲,课题简介 主要研究内容 研究方法和实施方案 下一步工作,3,提纲,课题简介 什么是信息抽取？ 什么是音乐实体类型？ 什么是音乐实体关系抽取？ 为什么选择音乐领域？ 主要研究内容 研究方法和实施方案 下一步工作,4,位置 关系,知识数据库,吉林大学坐落在北国春城 -长春市，它创立于1946年，前身为东北行政学院，是教育部直属的一所全国重点综合性大学。,吉林大学坐落在北国春城 -长春市，它创立于1946年，前身为东北行政学院，是教育部直属的一所全国重点综合性大学。,关系表,吉林大学 它 东北行政学
2、院,北国春城 长春市,1946年,机构成立时间,教育部,附属关系,5,问答系统 智能化搜索,信息抽取 细粒度挖掘,面向IR的NLP： （分词、词性标注、命名实体识别、依存句法分析、词义消歧、语义角色标注等）,用户,文档,理解文档 抽取信息,理解语言,理解用户 智能交互,垂直搜索 精准化搜索,互联网,基于NLP的IR,结构化数据,提问、log,答案,采集信息,结构化数据,非结构化数据,6,什么是音乐实体类型？,命名实体（Named Entity, NE） 实体名：人名、地名、机构名、专有名词、时间等 例子：在2008年11月7日吉林大学召开的全校干部大会上，任命原山东大学校长展涛为吉林大学校长。
3、 音乐命名实体（Music Named Entity, MNE） 艺术家名、艺术家别名、歌曲名、专辑名、唱片公司名、时间 例子：亚洲天王周杰伦发行第六张国语专辑十一月的萧邦，新专辑包含了夜曲、发如雪等十二首动听的歌，大家可以在专辑当中，嗅出周董潜藏的浪漫古典因子。,7,什么是音乐实体关系抽取？,在音乐实体识别的基础上，判断一个句子中任意两个实体是否属于我们预先定义好的某种关系。 例子：08年12月，蔡依林3000万改签华纳唱片。,8,为什么选择音乐领域？,通用域的难点 没有完善的关系类型体系 建立关系类型体系困难 关系类型太多 关系如何命名呢？ 覆盖面要尽可能全 细化、准确 领域收缩：乐坛、电
4、子产品、教育、体育等 研究方法可移植，也是某种意义上的通用域,9,提纲,课题简介 主要研究内容 研究方法和实施方案 下一步工作,10,主要研究内容,音乐实体关系抽取,基于有指导的学习方法,11,提纲,课题简介 主要研究内容 研究方法和实施方案 语料库建设 特征提取 模型训练 评测 下一步工作,12,语料库建设,来源：新浪音乐新闻（2008.8-2009.3） 处理流程,新闻文本,断句,分词、 词性标注、 音乐实体 识别,句子,句子,句子,制定标 注规范、 人工标 注语料,音乐实体 关系抽取 语料库,随机筛选 10000句 作为待标 注语料,13,音乐实体关系抽取技术介绍,训练过程 识别过程,训
5、练数据 （2/3）,测试数据 （1/3）,特征提取,SVM训练/ MaxEnt训练,SVM模型/ MaxEnt模型,SVM分类/ MaxEnt分类,识别结果,语料库,随机筛选 实验数据,14,训练过程-特征提取,输入：训练语料&词法句法信息 输出：特征文件 例如：在/p 北京/ns 奥运会/j 开幕式/n 上/nd ，/wp 刘欢/Na 和/c 莎拉布莱曼/Na 共同/d 演绎/v 了/u 主题歌/n 我和你/Nc 。/wp 特征提取器 实体1的类型 实体2的类型 实体1和实体2之间的第一个动词 实体1前面的第一个词 实体2后面的第一个词 实体1前面第一个词的词性 实体2后面第一个词的词性 ,
6、15,训练过程-SVM or MaxEnt,输入：特征文件 输出：分类模型文件 开源的SVM工具包：Libsvm 2.89 http:/www.csie.ntu.edu.tw/cjlin/libsvm/ 开源的MaxEnt工具包：OpenNLP.maxent http:/ 区别 特征文件中无类别信息,17,识别过程-SVM or MaxEnt分类,输入：特征文件 输出：类别编号,18,评测方法与结果,评测指标为准确率（P）、召回率（R）和F值,19,评测方法与结果,20,21,大纲,课题简介 主要研究内容 研究方法和实施方案 下一步工作,22,下一步工作,目前只处理了5种最常见的音乐实体关系 特征提取优化 歌曲-专辑效果较低 核函数方法 存在代词，需要共指消解模块处理 句子级关系抽取-篇章级关系抽取 ,谢谢各位老师！,
