自然语言处理任务在自动文学人物网络构建中的作用
计算与语言
2025-01-24 v1
摘要
从文学文本中自动提取人物网络通常采用自然语言处理（NLP）级联流水线。尽管这种方法很普遍，但尚无研究探讨低级NLP任务对其性能的影响。在本文中，我们在一个文学数据集上进行了这样的研究，重点关注命名实体识别（NER）和指代消解在提取共现网络时的作用。为了突出这些任务性能的影响，我们从黄金标准标注开始，逐步添加均匀分布的误差，并观察它们对人物网络质量的影响。我们证明了NER性能取决于所测试的小说，并且强烈影响人物检测。我们还表明，仅靠NER检测到的提及会遗漏大量人物共现，而指代消解对于防止这种情况是必要的。最后，我们提供了与两种基于大语言模型（LLM）的方法（包括一种完全端到端的方法）的比较点，并表明这些模型在召回率方面不如传统NLP流水线。
引用
@article{arxiv.2412.11560,
title = {The Role of Natural Language Processing Tasks in Automatic Literary Character Network Construction},
author = {Arthur Amalvy and Vincent Labatut and Richard Dufour},
journal= {arXiv preprint arXiv:2412.11560},
year = {2025}
}