学 生：王莉峰 指导老师：秦 兵 老师 日 期：2009-6-7 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

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

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 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

信息抽取： 将非结构化文本转换成 结构化数据，主要包括 实体识别、关系抽取、 共指消解等 知识数据库 吉林大学 它 东北行政学院 机构成立时间 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。 信息抽取： 将非结构化文本转换成 结构化数据，主要包括 实体识别、关系抽取、 共指消解等 位置 关系 1946年 附属关系 北国春城 长春市 教育部 关系表 ID Subsidiary Org Time Place 1 吉林大学 教育部 1946年 长春市 … 知识数据库 … …

（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） 互联网 用户 文档 垂直搜索 精准化搜索 采集信息 提问、log 结构化数据 答案 非结构化数据 基于NLP的IR 问答系统 智能化搜索 信息抽取 细粒度挖掘 理解用户 智能交互 理解文档 抽取信息 结构化数据 理解语言 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）

什么是音乐实体类型？ 命名实体（Named Entity, NE） 音乐命名实体（Music Named Entity, MNE） 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。 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。

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。

为什么选择音乐领域？ 通用域的难点 领域收缩：乐坛、电子产品、教育、体育等 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

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

主要研究内容 音乐实体关系抽取 基于有指导的学习方法 分类模型 训练 建立音乐实体关系类型体系 构建语料库 特征提取

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

语料库建设 来源：新浪音乐新闻（2008.8-2009.3） 处理流程 … 断句 分词、 词性标注、 音乐实体 识别 随机筛选 10000句 作为待标 注语料 制定标 注规范、 人工标 注语料 句子 音乐实体 关系抽取 语料库 新闻文本 句子 … 句子

音乐实体关系抽取技术介绍 训练过程 识别过程 训练数据 （2/3） SVM训练/ MaxEnt训练 SVM模型/ MaxEnt模型 特征提取 语料库 随机筛选 实验数据 测试数据 （1/3） SVM分类/ MaxEnt分类 识别结果

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 … … class F1 F2 F3 F4 F5 F6 F7 … 艺术家-歌曲 Na Nc 演绎 和 。 c wp

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://opennlp.sourceforge.net/

识别过程-特征提取 测试数据特征提取与训练数据特征提取过程类似 区别 特征文件中无类别信息 class F1 F2 F3 F4 F5 F6 … ？ Na Nc 演绎 和 。 c wp

识别过程-SVM or MaxEnt分类 输入：特征文件 输出：类别编号 class F1 F2 F3 F4 F5 F6 F7 … ？ Na Nc 演绎 和 。 c wp Relation Type Prob 艺术家-歌曲 0.75 艺术家-专辑 0.13 歌曲-专辑 0.05 艺术家-唱片公司 0.02 专辑-发行时间 0.01 无关系 0.04

评测方法与结果 评测指标为准确率（P）、召回率（R）和F值

评测方法与结果

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

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 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 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！