Feuding Families and Former Friends: Unsupervised Learning for Dynamic Fictional Relationships-Naacl 2016-20160422

1、Information

publication：-Naacl 2016

2、What

根据小说中的人物描述，a)在每个时间段给出，人物关系的描述的概率分布，b)从时间轴上看出关系的变化轨迹,提出模型Relationship modeling network.(RMN)

3、Dataset

Project Gutenberg

4、How

input: 时间片段内的小说片段

output: RMN模型中的参数：关系描述的矩阵，关系描述的概率分布

目标函数：小说描述的embeding 尽可能与 关系描述表示的向量接近。

5、Evaluation:baseline:目前没有工作做过，故本论文与topic model 作比较。时间轴上关系变化的评估，与HTMM(hidden topic Markov model )比较

a) 在评价关系描述的学习中，加入干扰项，model peecision.

b）在人物关系轨迹评估中：人工评价 RMN学习出的关系变化 与HTMM学习出的哪个更好

6、Conclusion

近一年文章中Embeding 的方法用的非常多。