多方對話角色關系語料庫構建工具的設計與開發

王儀琳 蔣玉茹 湛宇航 王玫勻

（北京信息科技大學計算機學院 北京市 100101）

隨著人工智能與大數據的發展，大量的有效信息隱藏于互聯網海量數據中，很多工作都需要從文本中挖掘其中蘊含的實體關系。人機對話系統領域內涉及的語義角色標注是近年來人工智能研究的熱點[1]，而多方對話的研究剛剛起步。多方對話文本作為一種特殊的文檔形式，發言人之間的交互錯綜復雜，存在大量的跨句關系，而且還存在大量的省略與指代信息。

為了進行多方對話文本自動理解工作，首要的是構建一定規模的語料庫資源。在語料庫角色構建平臺的研究中，周彬彬[2]所構建的標注系統較完備，但僅針對軍事性語料，相比之下，夏琦[3]所開發的角色標注系統考慮到了對話文本語料，但結果并不理想，因此，面向多方對話文本中的角色關系挖掘工作，開發具有普適性的適應多種語言的多方對話角色構建工具勢在必行。

本項目分析角色關系標注的需求，設計并開發了一個便于用戶通過閱讀語料文本直接進行角色關系標注的工具。既滿足了基本的標注需求，又一定程度上實現了相關數據的實時可視化。同時具有比較好的實用性和可操作性，也考慮到了王俊福[4]提出的標注中多用戶同時協作時的并發問題，且適用于不同語言類型的對話文本語料。

一個好的標注工具可以提高標注者的工作效率，設計良好的標注系統界面和簡單的標注操作可以降低標注者們進行標注工作的難度，并且降低標注工作的枯燥程度。本文也考慮到了上述情感因素，在開發工具的時候進行了相應美觀設計。

1 功能需求

本文將角色關系標注分為角色指代標注和關系標注兩個子功能。圖1為本工具的模塊結構圖。

圖1：多方對話角色關系語料庫構建工具模塊結構圖

1.1 角色指代標注

用戶在對話文本中選取提及詞（人物的稱呼），并與該提及詞所對應的角色進行關聯，完成角色指代標注。

（1）用戶選擇單元和場景，系統界面顯示相應的對話文本。

（2）用戶選中對話文本中的提及詞，然后選擇左側相對應的角色實體，完成一次角色標注。若左側無所標注提及詞對應的角色實體，應選擇其他，再根據彈窗鍵入定義的實體中文名稱即可。

（3）標注完一個場景，提交結果，標注結果存入后端數據庫。

（4）同一場景在未點擊提交前標注內容可以修改更新，但點擊提交結果后不可再進行修改。

1.2 角色關系標注

用戶通過閱讀對話文本，從文本中找到所有出場人物之間的關系，通過添加欄加入進圖數據庫，完成角色關系的標注。

（1）可以添加實體名稱和實體類型。

（2）通過選擇兩個角色實體及二者之間的關系類型進行角色關系的添加或刪除操作。

（3）系統為新添加的角色關系增加時間戳，以記錄同一對角色不同時期關系的變化。

（4）可以通過輸入一個角色實體的名稱查詢以該角色實體為中心的角色關系圖。

2 架構

本工具使用B/S（Browser/Server）架構，前端部分主要實現語料顯示、在線標注和關系圖可視化等功能。后端部分主要存儲用戶所標注的角色和關系數據，以實現數據的持久化。具體而言，本工具前端使用Bootstrap開源框架，后端使用Flask框架和Django框架，角色指代標注的結果以JSON文件形式存儲，角色關系標注的結果存入Neo4j數據庫。

3 頁面設計

3.1 角色指代標注頁面設計

如圖2所示，為本工具設計并實現的角色指代標注頁面。

圖2：角色標注頁面

（1）標注文本選取。利用頁面右上方工具條選擇標注內容。

（2）標注文本展示。頁面右下方為標注內容展示區。主要展示說話人和說話內容。說話內容經過分詞后展示。

（3）角色列表展示。頁面左側列出語料中出現的主要角色名稱，其他人物名稱用戶標注的時候需單獨標出。

3.2 角色關系標注頁面設計

如圖3所示，為本工具設計并實現的角色關系標注頁面。其中標注文本選取和標注文本展示與3.1節角色標注頁面相同。此外，還有：

圖3：角色關系標注頁面

（1）知識圖譜展示部分。利用頁面左上方，將已標注的角色關系進行可視化展示。

（2）角色關系添加和刪除。利用頁面左側中部，根據文本內容，選擇角色實體1和角色實體2，再選擇他們的關系，然后再點擊“添加關系”按鈕，將一個角色關系三元組插入知識圖譜數據庫；或者點擊“刪除關系”按鈕，將角色關系三元組從知識圖譜數據庫中刪除。

（3）角色實體添加和刪除。標注過程中遇到之前未曾出現過的角色實體，可以輸入實體名稱和實體類型，然后進行添加。也可以刪除。

（4）實體圖查詢。輸入角色實體名稱，點擊“查詢實體圖”，可以在頁面左上方顯示與該實體相關的知識圖譜。

5 總結

本文利用設計并開發了一個面向多方對話角色關系挖掘工作的語料庫構建工具，該工具已經應用于課題組的語料標注工作，標注了《我愛我家》劇本120集內容中的出現的角色指代和關系信息。該工作為后續在多方對話文本中進行角色關系自動挖掘研究打下了基礎。