algorithm - 一种将一本书分解成人物及其互动的方法？

Question

所以我有一本书，说它与时间成线性关系。

对于每个段落的每个段落，我们可以执行 freeling获取实体(NP、NN) Action (VB)和特征(名词)。我们可以将其全部放入 Neo4J 中，将每个实体与下一个动词连接起来，并将该动词与下一个实体连接起来。并且相同名称的每个新段落都使用最新的详细实体(来自附近的段落)。

但是，既然这么简单，为什么没有相应的库呢？以及如何处理时间和复杂的关系:“彼得告诉托马斯，他的父亲是个醉鬼。”这将变成 Peter->told->tomas father->was->ass here that and his应该利用，但如何处理？

那么是否有一种算法可以将一本书转换为具有实体交互的图形？

Answer 1

FreeLing 会做您所要求的。检查“语义图”输出级别。

这将使用依赖解析来决定哪个动词与哪个实体相关(仅使用最近的一个是行不通的)。它还使用语义角色标签来决定谁在对谁做什么(例如，主语在被动句或主动句中不同，但两者中的代理是相同)。最后，它使用 coreference resolution 来决定谁更有可能成为代词或所有格(例如“his”)的所指对象。

你可以在freeling demo中选择“语义图”，看看你得到了什么。在那里您还可以看到它生成的 XML 输出。