引文图谱：从数百万新闻引文中提取的社会网络-计算机科学-机器学习-社交网络-数据集.pdfVIP

引文图谱：从数百万新闻引文中提取的社会网络

♦♥♣♠

MarkoČuljak,RobertWest,AndreasSpitz,AkhilArora

♦♥♣♠

UniversityofZagrebEPFLUniversityofKonstanzAarhusUniversity

marko.culjak@fer.unizg.hr

AbstractTheyhonourPresidentObama.

HeisthefounderofIsis.AndI

wouldsaytheco-founderwould

我们引入了报价图，一个源自于2008年至2020年间发becrookedHillaryClinton.

布的英文新闻文章中的引述者归因引用的大规模社交网-DonaldTrump

络。报价图由528千个独特的节点和863万个有向边

组成，这些边从说话人指向他们提到的人。节点与其在

本Wikidata中对应的条目相连，从而赋予该数据集详细的

译传记实体信息，包括国籍、性别和政治派别。源自于报DonaldTrump

中价库，一个庞大的引述语料库，报价图中的关系还额外Q22686

丰富了它们出现的上下文信息。网络构建流水线的每一

BarackObama

1部分都是语言无关的，这使得能够基于非英语新闻语料Q76

v库构建类似的数据库。我们相信报价图是计算社会科学

6HillaryClinton

2家的一个有力资源，与在线社交网络相辅相成，有可能Q6294

6为公众人物的行为及其在新闻中的呈现提供新的见解。

7图1:报价图建筑示意图。在此示例中，基于左上角引

1

.Code—/au-clan/quotegraph用库中的引文，我们从引言的发言者唐纳德·特朗普

7

0Data—/records（Q22686）向他提到的人物贝拉克·奥巴马（Q76）和

5希拉里·克林顿（Q6294）绘制了一条有向边。这三个

2

:1介绍节点在Wikidata中都有一个由其QID唯一标识的相应

v

i项目。

x理解人类互动并描述在社交网络中观察到的动力

r学一直是社会科学的核心主题。社会网络分析的开创

a

性工作归功于雅各布·L·莫雷诺和他的著作