蘇州大學(xué)自然語言處理實(shí)驗(yàn)室正式發(fā)布人物關(guān)系知識圖譜 PPCube V2.0。該版本包含 24M節(jié)點(diǎn)、136M條人物屬性記錄和7M條人際關(guān)系記錄。同時從全量版本中抽取節(jié)點(diǎn)與屬性關(guān)系信息密度較高的子數(shù)據(jù)集 PPCube-Dense V2.0。1、圖譜簡介PPCubePerson-Person Cube人際立方是一個人物關(guān)系知識圖譜用于記錄和組織人物屬性以及人物之間的社會關(guān)系。現(xiàn)實(shí)中的人物信息分散在各類知識庫、百科文本與自然文本當(dāng)中不同來源采用的實(shí)體標(biāo)識、字段名稱和關(guān)系粒度存在差異。PPCube V2.0 對多種來源的人物相關(guān)知識進(jìn)行篩選與歸一化為人物知識檢索、人際關(guān)系分析、知識圖譜補(bǔ)全、人物關(guān)系抽取以及大模型可信問答等研究任務(wù)提供可靠的數(shù)據(jù)支撐。2、數(shù)據(jù)來源與構(gòu)建PPCube V2.0 的數(shù)據(jù)目前主要來自四個公開知識來源覆蓋中文和英文人物信息Wikidata提供多語言、結(jié)構(gòu)化的人物實(shí)體、屬性和關(guān)系Wikipedia提供人物頁面 Infobox 中的半結(jié)構(gòu)化信息及相關(guān)文本DBpedia提供由 Wikipedia 內(nèi)容抽取得到的結(jié)構(gòu)化資源YAGO包含經(jīng)過語義組織的人物屬性和人物關(guān)系。項(xiàng)目對原始數(shù)據(jù)依次進(jìn)行人物實(shí)體篩選、字段統(tǒng)一、人物關(guān)系篩選、關(guān)系類型統(tǒng)一和質(zhì)量檢查最終整理為人物節(jié)點(diǎn)、人物屬性和人際關(guān)系三類數(shù)據(jù)。3、圖譜數(shù)據(jù)內(nèi)容3.1 數(shù)據(jù)規(guī)范人物節(jié)點(diǎn)記錄人物統(tǒng)一編號、實(shí)體標(biāo)題、顯示名稱和來源頁面地址人物屬性記錄姓名、性別、國籍、生卒時間、出生地、職業(yè)、教育經(jīng)歷和獲獎情況等信息人際關(guān)系記錄具有方向的親屬、教育培養(yǎng)、職業(yè)管理、社會影響、職務(wù)繼任與合作等關(guān)系。PPCube共包含 41 種人物屬性類型和 63 種人際關(guān)系類型。各類型的英文名稱、數(shù)據(jù)類型和含義可在項(xiàng)目提供的 schema 文件中查詢。3.2 數(shù)據(jù)集統(tǒng)計(jì)信息版本人物節(jié)點(diǎn)記錄人物屬性記錄人際關(guān)系記錄PPCube-FULLV2.024,140,466136,984,1437,720,013PPCube-DenseV2.099,9981,040,886381,244PPCube-FULL指的是當(dāng)前版本的全量數(shù)據(jù)。PPCube-Dense 則面向快速下載、分析和圖數(shù)據(jù)庫展示從全量數(shù)據(jù)中選取信息較豐富的核心人物并加入與這些人物直接相連的一跳人物節(jié)點(diǎn)。PPCube-Dense 包含 4,371 個核心人物和 95,627 個一跳人物共 99,998 個人物節(jié)點(diǎn)覆蓋41 種人物屬性類型和 55 種人際關(guān)系類型。3.3 數(shù)據(jù)示例與應(yīng)用下圖以姚明為中心展示知識圖譜的一組人物屬性與一跳人物關(guān)系的示例。圖中人物節(jié)點(diǎn)使用圓形表示屬性值使用矩形表示連線上的字段編號和英文名稱與發(fā)布數(shù)據(jù)中的 schema 保持一致。PPCube V2.0 可用于人物知識圖譜構(gòu)建與補(bǔ)全、人際關(guān)系抽取與分類、人物實(shí)體檢索與人物畫像、圖表示學(xué)習(xí)與關(guān)系推理、知識圖譜質(zhì)量分析以及大語言模型可信知識問答等任務(wù)。4、項(xiàng)目地址PPCube V2.0 已在 GitHub 發(fā)布。項(xiàng)目主頁提供數(shù)據(jù)文件、類型定義、統(tǒng)計(jì)結(jié)果和使用文檔后續(xù)更新也將在該頁面持續(xù)維護(hù)歡迎關(guān)注、轉(zhuǎn)發(fā)和下載。GitHub地址https://github.com/SUDA-HLT/PPCube