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.

Presentation on theme: "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."— Presentation transcript:

1 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：

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 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

4 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 … …

5 （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）

6 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。

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 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

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 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

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 … 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

13 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

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

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
开源的MaxEnt工具包：OpenNLP.maxent

16 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

17 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

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 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 … …

23 谢谢各位老师！