李建敦，罗宜元，吕 品

(上海电机学院 电子信息学院，上海 201306)

0 引 言

对于剧本中的角色网络(character network)挖掘问题来讲，角色发现较直观，因此判定角色之间关联与否及关联强弱是关键[1]。鉴于语料库的规模及其在行文风格、所属流派等方面的不确定性，致使裸眼分析、手工构建、定性分析或纯粹的语义类方案[2]，如基于自然语言处理(na-tural language processing，NLP)[3]等算法，在可靠性、可扩展性与效率等方面表现不佳。相比之下，统计分析类方法在计算精度的保证下，算法效率更高。目前，主流的统计类方法基本上围绕两个指标来刻画角色关系，即引用距离与对白距离。

角色引用距离类方法假设，如果多个角色同时出现在一个时空内，如连续剧、剧本的连续几幕、单独场次、小说的章节或段落、预定义的文本窗口(宽度为阈值θ)等[4-7]，那么他们两两之间就应该有直接关系，权重为他们协同出现次数或引用距离的反比例函数[8,9]。此类方法对角色协同出现的时空采用阈值估计方法，精度无法保障；同时，协同在场的角色语义上并非一定有关系，因此该基本假设适用面有限；最后，连接也未能反映角色间的偏序关系。

围绕剧本的主体元素，即对白来刻画角色间关系，较引用距离类方法更优。基本思路是将前后相继对白的主体(即隶属角色)进行有序关联(who-talk-to-whom)，其权重可以是对白规模(如行数、字数等)、对白中某角色被提及次数等[10,12]。该类方法实现了连接的有向性，而且围绕剧本主体(平均占比>80%)的对白进行分析，较好提升了模型的可靠性与精度[13]。然……