Как обнаружить заявления, сделанные о лицах, использующих НЛП

Question

Я хочу исследовать использование НЛП для выявления негативных / неконструктивных комментариев, то есть тех, которые часто возникают при обсуждении политики в Интернете. Мне любопытно знать, что если дать такое предложение:

Ты либеральный двеб. Клинтон губит США своим неуместным поведением в качестве президента.

Возможно ли не только вывести сущности (вы, Клинтон) с помощью NER, но и получить дерево утверждений, сделанных в отношении каждой сущности:

+-----------------+                             +------------------------+
|                 |                             |                        |
|                 |                             |                        |
|       you       |                             |          Clinton       |
|                 +------+                      |                        +------+
|                 |      |                      |                        |      |
+--+--------------+      |                      |                        |      |
   |                     |                      +--+---------------------+      |
   |                     |                         |                            |
   |                     |                         |                            |
 +-+-------+        +----+-----+                   |                  +---------+----------+
 |         |        |          |              +----+---------+        |                    |
 |         |        |   dweeb  |              |              |        |                    |
 |  liberal|        |          |              |  ruining US  |        | has inappropriate  |
 |         |        +----------+              |              |        | behavior as pres.  |
 +---------+                                  |              |        |                    |
                                              +--------------+        +--------------------+

Возможно ли что-то подобное с НЛП?

Answer 1

Анализатор избирательных округов или анализатор зависимостей, возможно, плюс некоторый семантический анализ, чтобы дать вам больше информации об именованных и неименованных объектах, может быть тем, что вы ищете. Попробуйте вставить некоторые примеры предложений в http://corenlp.run/ или в http://demo.ark.cs.cmu.edu/parse, который применяет анализ зависимостей и семантический анализ, чтобы увидеть, относится ли это к типу вещей. ты ищешь.

Answer 2

Да, то, что вы ищете, безусловно, возможно с НЛП. Есть два подхода, которые вы должны изучить дальше.

1) Более быстрый подход с точки зрения кодирования, но требующий инвестиций в маркировку и обучение аннотированных данных, заключается в использовании функции "извлечения отношений" в структуре НЛП, такой как Stanford NLP, Spacy и т. Д. Однако вам придется выполнить некоторые настройки и обучение из моделей по умолчанию. Вот ссылка на образец статьи в блоге о том, как сделать это с NLTK, но вам следует искать более свежую статью, если вы идете по этому пути.

2) Более медленный подход с точки зрения кодирования, но не требующий маркировки данных и аннотации, упоминается @Gabriel при запуске анализатора зависимостей и конвейера NER сущности для ваших предложений, а затем с использованием набора ручных правил в вашем коде для извлечения отношений.