PersonGraphDataSet

PersonGraphDataSet, nearly 10 thousand person2person relationship facts that build from extraction method, which can be applied to person kg search and inference applications。 人物圖譜數據集，近十萬的人物關系圖譜事實數據庫，通過人物關系抽取算法抽取+人工整理得出，可用于人物關系搜索、查詢、人物關系多跳問答，以及人物關系推理等場景提供基礎數據。

項目地址：https://github.com/liuhuanyong/PersonRelationKnowledgeGraph

項目由來

關于為什么要開放這個項目，主要有以下幾個方面的緣由：
1、階段性總結。以刻畫人物復雜關系為核心的網絡關系網構建，居于十分重要的現實意義，兩年前，帶著個人興趣，發布了一個未完成版的人物關系知識圖譜項目(https://github.com/liuhuanyong/PersonRelationKnowledgeGraph)，嘗試采用基于知識庫的數據回標,基于遠程監督與bootstrapping方法的人物關系抽取，并以此完成基于知識圖譜的知識問答等應用。但但由于工作時間為題，一直沒能更新。今天，先對該工作的一個結果數據集開放出來，以對之前的項目做一個階段性的總結。
2、數據集空缺。目前，面向中文領域的人物關系抽取數據集，還相對較少，代表性有ccks2019的開放數據集（https://arxiv.org/abs/1907.12801） ，該數據集公開了親屬關系、社交關系、師生關系三大類，現夫、潛伏、朋友、戀人等34小類的人物關系數據集。該數據集是面向評測使用的，其所涉及的人物關系類型有限，并且不提供現成可用的人物關系數據。
3、應用驅動。當前，面向知識圖譜入門級別的知識圖譜推理、知識圖譜可視化、知識問答、圖譜搜索等場景，還缺乏可用的數據集。目前關于人物關系方面的應用，目前看到的，主要是百科類的展示以及搜狗人物圖譜（https://www.sogou.com/tupu/person.html） 為代表，雖說是娛樂導向，但目前還缺乏這樣的練手的數據和項目。
4、應用支撐。基于開放出來的人物關系知識數據，大家可以在此基礎上進行多種應用嘗試，包括算法訓練、知識圖譜入門、培訓等等，這十分有意義。

項目構成

本項目一共包括三個文件，分別記錄人物關系元組信息以及關系類型信息：
1、big_rel_distribution.txt：大類關系及其分布文件。
2、person_rel_kg.data：人物關系圖譜數據集文件。
3、small_rel_distribution.txt：小類關系及其分布文件

數據概況

本數據集，一共包括97,158條人物關系數據，涉及人物71,243個，大類關系102個，小類關系266條，大致的情況具體如下：

數據類型數據規模示例

關系數目	97,158	父親、母親、女友
人物數目	71,243	姚明、易建聯、喬布斯
大類關系數	102	父親、母親、朋友
小類關系數	266	閨蜜、女好友、前妻

關系類型

本數據集對人物關系進行了上下級分類，針對小類關系進一步歸類整理成了若干個大類，選取小類數大于3的大類進行展示，如下表所示：

關系大類關系小類

敵人	死敵;傳聞不和;競爭對手;死對頭;敵人;對手;罵戰
父親	父親;其父;繼父;生父;干爹;義父;養父
學生	學生;愛徒;徒孫
合作	同伙;合作人;相聲搭檔;合作演員;合作;影視搭檔;戲曲搭檔;搭檔;同時期隊友;前隊友;隊友;國家隊隊友;女雙搭檔;主持搭檔;合作伙伴;盟友;戲曲合作;混雙搭檔;合伙人
情人	初戀;配偶;情侶;情人;伴侶;情敵;舊愛;情夫;愛人;前任;戀人;心上人;分手
朋友	圈中好友;同伴;密友;友人;伙伴;好友;圈內好友;紅顏知己;摯友;女好友
丈夫	未婚夫;第二任丈夫;現任丈夫;前夫;第一任丈夫;丈夫
祖先	祖先;鼻祖;始祖;先祖
姐姐	大姐;二姐;姐姐
妻子	妻妾;第二任妻子;現任妻子;第三任妻子;未婚妻;前妻;妻子;第一任妻子
同門	同門師兄;校友;師妹;師弟;師兄弟;師姐
弟弟	義弟;三弟;弟弟;五弟;四弟;六弟;胞弟;二弟
女兒	女兒;繼女;大女兒;養女;次女;干女兒;義女;三女;長女;二女兒;小女兒
兒子	四子;三子;大兒子;干兒子;兒子;次子;五子;繼子;義子;小兒子;二兒子;養子;幼子;長子
哥哥	三哥;哥哥;長兄;二哥;四哥;大哥;五哥
家人	親戚;家屬;親屬;近親;親人;孩子;家人;長輩
老師	啟蒙教練;師祖;師;師叔;師承;老師;現任教練;教練;班主任;伯樂
母親	義母;生母;養母;繼母;干媽;母親
下屬	下級;下屬;屬下;部下;君臣
同學	同班同學;同學;同門
繼任者	繼任者;后裔;繼承人;后人;后代;繼任
偶像	喜歡的演員;最喜歡的歌手;喜歡的歌手;偶像
妹妹	義妹;二妹;三妹;妹妹

數據分布

目前，共涉及大類關系102個，小類關系266條，大類的top20樣例如下：

關系類型關系規模示例關系類型關系規模示例

合作	14,048	<左永邦,合作演員,合作,王珞丹>	哥哥	2,379	<周星霞,哥哥,哥哥,周星馳>
朋友	13,632	<祖孫登,好友,朋友,張正見>	學生	2,017	<左宏元,學生,學生,鄧麗君>
父親	6,857	<左太北,父親,父親,左權>	敵人	1,948	<左武王,死敵,敵人,諸葛正我>
丈夫	5,348	<左藍,未婚夫,丈夫,余則成>	弟弟	1,880	<祝龍,弟弟,弟弟,祝彪>
情人	4,880	<莊睿,愛人,情人,秦萱冰>	同學	1,695	<祖峰,同學,同學,黃曉明>
老師	4,727	<左欣然,老師,老師,許蕙蘭>	女友	1,427	<鄒世龍,前女友,女友,梅艷芳>
兒子	4,631	<左武王,兒子,兒子,安禎侯>	妹妹	1,384	<祝齊英,妹妹,妹妹,祝英臺>
妻子	4,491	<祖峰,現任妻子,妻子,劉天池>	姐姐	1,149	<卓龍,姐姐,姐姐,卓鳳>
母親	3,832	<卓玥,母親,母親,鄧榕>	子女	977	<朱壽,子女,子女,朱厚熜>
女兒	2,583	<宗慶后,女兒,女兒,宗馥莉>	祖父	962	<周璟馨,祖父,祖父,周海嬰>

數據樣例

1、數據格式為：<人物1,小類關系,大類關系,人物2>，為四元組形式，以滿足不同的數據需求。
2、注意：為了對存在歧義的實體，采用了實體[實體簡短描述]的方式進行區分處理。
3、樣例數據：

"""周洋,隊友,合作,孫琳琳周洋,隊友,合作,王濛周洋,隊友,合作,張會周洋,啟蒙教練,老師,崔順子周洋,老師,老師,李琰周揚[中國內地女演員],搭檔,合作,葉童周揚[中國內地女演員],好友,朋友,蔣欣周揚[中國內地女演員],同學,同學,黃渤周揚,搭檔,合作,高圓圓周揚,搭檔,合作,葉童周揚,好友,朋友,蔣欣周揚,好友,朋友,霍思燕周揚,好友,朋友,佟麗婭周揚,同學,同學,黃渤 """

數據應用

擁有了刻畫人與人之間的復雜關系數據集，可以支撐包括知識問答、多跳推理、圖譜可視化、未知關系推理、數據回標、特征增強、人物推薦、人物建模等多種應用嘗試和科學研究：

大類場景小類場景應用舉例

信息檢索	知識問答	姚明的老婆是誰？
信息檢索	多跳推理	姚明的女兒的爺爺是誰？
信息檢索	圖譜可視化	將數據導入圖數據庫，進行圖譜可視化展示
信息檢索	未知關系推理	給定兩個人物節點，進行人物之間的潛在關聯路徑發現
信息抽取	數據回標	根據結構化人物關系數據，利用遠程監督方法進行回標
信息抽取	特征增強	根據結構化人物關系數據，將用戶的關聯關系作為某個用戶的某個特征
信息推薦	人物推薦	根據關注某個人物，類推出與該人物相關的其他人物
用戶畫像	人物建模	利用某個人物的關聯信息，對其進行特征表示和畫像建模

項目總結

1、本項目開放了一個人物關系知識圖譜數據集，一共包括97,158條人物關系數據，涉及人物71,243個，大類關系102個，小類關系266條。
2、本項目采用了數據格式為：<人物1,小類關系,大類關系,人物2>，為四元組形式，可以滿足不同的數據使用需求。
3、基于本項目，可以支撐包括知識問答、多跳推理、圖譜可視化、未知關系推理、數據回標、特征增強、人物推薦、人物建模等多種應用嘗試和科學研究工作。
4、本項目面向開放文本，采用人物關系抽取模型進行抽取形成，經人工矯正后，可以保證數據的質量。

關于作者

劉煥勇，中國科學院軟件研究所，專注金融、情報兩大領域，從事事件抽取、事件演化、情感分析、事理（知識）圖譜、常識推理、語言資源構建與應用等研發工作。如有自然語言處理、知識圖譜、事理圖譜、社會計算、語言資源建設等問題或合作，可聯系我：
1、我的github項目介紹：https://liuhuanyong.github.io
2、我的csdn技術博客：https://blog.csdn.net/lhy2014
3、我的聯系方式: 劉煥勇，中國科學院軟件研究所，lhy_in_blcu@126.com.
4、我的共享知識庫項目：劉煥勇，數據地平線，http://www.openkg.cn/organization/datahorizon.
5、我的工業項目：劉煥勇，數據地平線，大規模實時事理學習系統：https://xueji.datahorizon.cn.
6、我的工業項目：劉煥勇，數據地平線，面向事件和語義的自然語言處理工具箱：https://nlp.datahorizon.cn
7、我的公眾號：

總結

以上是生活随笔為你收集整理的PersonGraphDataSet近十万的开放人物关系图谱项目的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。