思想文化的大发展,促使文学工作者创作出大量的文学作品,这对自然语言处理技术的应用提出了新的挑战。本文收集了大量的英文小说文本,构建了小说文本语料库,使用基于神经网络的方法进行小说人物的表示学习,并将学习出的人物向量用于人物聚类和分类的研究。本文将自然语言处理技术应用于文学领域,对自然语言处理和文学研究都有一定的促进作用。具体研究内容如下:(1)小说语料库的构建。从古腾堡计划收集英文小说两万余部,进行了分词、词性标注、命名实体识别、句法分析、人名聚类、指代消解等预处理,从中抽取每一个人物的句法依存特征,共计抽出人物四十万余个,对其特征进行了统计分析。(2)基于依存特征的人物分布表示及分析。借鉴词向量的学习方法,采用Skip-gram模型同时训练出人物向量和依存特征词向量。基于学习出的人物向量进行了人物相似度计算的实验,在测试集的四个类别的假设中有三个类别优于基于主题模型的方法。进一步对特定人物的相似人物进行了分析,发现同一个作者不同作品中塑造的人物具有相似性。(3)人物表示的应用。基于训练出的人物向量,分别进行了人物聚类和分类的研究。人物聚类采用k-means算法,假设同一个作者塑造的人物归一个类,聚类的纯度达到0.724。对人物分别按性格和性别进行自动分类,首先构造了小说人物的性格、性别数据集,分类算法采用多层感知机模型,实验结果表明,基于人物向量的结果优于词向量平均池化的方法。