尝试让程序看懂小说，并能按内容检索。

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

爱意满满的作品展示区。

这是一个创建于 3191 天前的主题，其中的信息可能已经有所发展或是发生改变。

目标是挖掘小说里的各种角色、剧情关系，在此基础上提供内容搜索，以及小说评点服务。不过这些还太远了，目前只简单提取了人物关系链。

https://www.boyunso.com/book/61872

这个是选了较好的结果，大部分情况下错漏还有点明显。

小说

评点

检索

提取

42 条回复 • 2017-04-25 15:28:39 +08:00

yongzhong

2017 年 4 月 24 日

通过词频来判断是否是人名吗?关系是通过介词?

jyf

2017 年 4 月 24 日

不知道这个提取规则是什么如何人肉去校验？

hydyy

2017 年 4 月 24 日

不错不错

enenaaa

2017 年 4 月 24 日

@yongzhong
@jyf
人名判断用两种方式：
1 、在分词时通过姓氏分出人名。
2 、在语义分析阶段，通过特定句式判定。例如：张三说道：。。。，就判断“张三”可能是人名，这种方式能找出非规则的人名，比如择天记里的天海姓氏。
在前面的基础上，再通过词频和特定词筛掉候选人名。

关系提取是一个是通过完整的关系句式判定，例如：张三作为李四的父亲。还有一个是通过上下文做推测，目前准确率还不高。

校验方式上，我还没做太多工作，主要靠人肉抽检样本。

isvara

2017 年 4 月 24 日

用的什么处理的？

lrxiao

2017 年 4 月 24 日

有意思

jyf

2017 年 4 月 24 日

我主要是指第二种分析因为句式很多也未必是 xxx 说道这种而你也不可能全列出来所以我很感兴趣怎么自动弄出这种句式另外有的说到未必是有关系大概你现在的人与人的关系就是 A 提到过 B 这样吧?

Jackeriss

2017 年 4 月 24 日

怎么解决一个人物有多个名字的问题呢？比如伏地魔又叫神秘人，其实原名是汤姆·里德尔。这种情况，这个人物关系图会把他们当成不同的人吧？

hotStrip

2017 年 4 月 24 日

我觉得以后程序批量输出小说的话，马上就可以输出天蚕土豆和唐家三少这类小说。

no13bus

2017 年 4 月 24 日

这个用的是啥 js 库呢

enenaaa

2017 年 4 月 24 日

@jyf
@isvara

基于上下文的关系推断，我做得不够深入，思路大体是：
1 、在段内推断主语，宾语。例如：宁江提着宝剑，跑了过来，笑道： xxx 。这 3 个分句的主语是同一个。
2 、通过关系代词筛选段落。例如：宁小梦挽着哥哥的手臂。这个句子存在推断关系的可能。
3 、在 1 和 2 的基础上，检索附近文本中的主语、宾语和特定语义，判断出是否存在关系。

可以看到，这个方法有准确性的问题。

另外，分析的前一步，是分词和语义格式化。
我首先创建词汇表、句法表、语义表，将句子格式化为已知语义的句法结构。例如：你好 -> 招呼语义。妹妹打我->主语是妹妹，谓语是打，宾语是我的指向动作语义。

这个方式当然不能识别所有的句子，对于一般的小说文本，目前识别率在 5%~10%之间。

enenaaa

2017 年 4 月 24 日

@Jackeriss 是有这个问题，我也没想到好的办法。也许关系链准确后，可以通过人物关系消除。

enenaaa

2017 年 4 月 24 日

@no13bus 百度的 echarts

imn1

2017 年 4 月 24 日

无论准确率如何，我都觉得这个项目很有意思
无论这个项目多有意思，我还是持怀疑态度看待

其实，
人与人之间的关系是相当复杂的，很多不能用语言文字描述
但是，当人们以语言文字介绍一些关系时，却是用简化的方式介绍，实际分类很少，看看自己的 SNS 分组就知道，不至于有几百个组别吧？
你可以从这个思路着眼，不要只想着“提取”，也可以用“排除”，从粗分类排除，再按细分类排除，加强准确率
需要很多逻辑判断，几乎是一个语义分析的 AI bot 了，语义——逻辑库应该是重点

例如：
男性-->亲戚-->母亲家族-->长辈-->母亲的平辈-->舅舅
男性-->工作-->长辈-->经理-->上司

另外
1.还要用多因素分析，如上面引入其他人（母亲）的关系辅助
2.多重关系，如家族生意，既是亲戚，也是工作关系等等
3.关系是双向的，例如逻辑出现“舅舅”，当然要同时得到“外甥”，不能单向推导

总的来说，相当难，不过这第一个吃螃蟹，我是持支持态度，希望能持久做下去