基于共现与关联挖掘的人物关系图谱研究与实现

• 作 者: 李娇
• 出 处: 西北民族大学
• 发表日期: 2020年01期
• 关键词: 共现分析 聚类分析 人物关系图 频繁项集 关联规则

现代人们的生活节奏越来越快,很难抽出一大部分的时间阅读文章,论文提供了一些方法,可以快速的了解一篇文章中的人物及人物间的关系,根据获得的数据,用数据说明该人物在整篇文章中的主次,构成的人物关系图可以展示该人物的人际关系圈,辅助读者在阅读全文前理清和掌握人物之间的亲疏远近联系,极大地节省了阅读时间。论文选取《白鹿原》作为研究对象,运用共现分析与关联规则挖掘的方法对研究对象进行重点研究。论文使用Python语言编写程序,通过共现分析将文本中的人名节点提取出来,并赋予权重大小;同时提取语料中的两节点之间的边的权重大小。根据提取的节点和关键词对构造共词矩阵,为了获得相似度矩阵,通过使用落合因子Ochiai来确定相似度,使得两个关键字之间的距离越近,得到的数值就越大,相似度越好。欧几里德距离是二维空间中的两个点之间的直线距离的最直观测量方法。使用SPSS聚类分析软件求出共词矩阵的欧式距离,距离越大,差异越大,距离越小,相似性越高。为更好的分析共词矩阵的聚类情况,对共词矩阵进行了R型聚类和Q型聚类,R型聚类不仅能够了解变量间的亲密度,而且能够了解变量组合间的亲疏远近关系,Q型聚类是根据变量信息对个案进行聚类,生成的谱系图更好的阐述了聚类分析的结果。绘制人物关系图谱时,将提取的点节点和边的信息的文本文档格式分别转换成.CSV格式,然后分别导入Gephi软件,按照预先设计好的要求,绘制出人物关系的图。从绘制的人物关系图中分析人物之间的亲密度更直观。在挖掘关联规则时用到了weka作为辅助工具,关联规则中使用了常用的Apriori算法,Apriori算法中数据集的设置是一个重要的环节,要将整个文本当做数据库,将文章的每一章分开,章节中出现的关键词作为一条记录,所有章节的关键词组成的列表合起来构成数据集,对数据库进行多次扫描,并从构建的数据集中发现频繁项集,发现人物间的关联规则。