[发明专利]一种人物关系分类方法及装置

说明书

本发明提供了一种人物关系分类方法及装置，其中，该方法包括：获取标注向量集、未标注向量集和候选关系测试集；根据标注向量集和未标注向量集，通过鲁棒路径相似度度量扩充标注向量集；通过非线性半监督分类函数对扩充后的标注向量集进行训练学习，得到人物关系分类模型；通过人物关系分类模型对候选关系测试集进行人物关系分类。本发明通过鲁棒路径相似度度量扩充标注向量集，并通过鲁棒性的作用消除噪声和孤立点的影响，减少了人工标注语料，减少了人力资源的消耗和浪费，解决了需海量标注时人工标注语料的瓶颈问题，且将正则化的半监督分类算法应用到人物关系提取中，提高了人物关系分类的效率。

技术领域

本发明涉及信息抽取技术领域，具体而言，涉及一种人物关系分类方法及装置。

背景技术

目前，在社交舆情分析及社会网络分析等领域常需分析人物的社会关系，文本信息中通常都包含人物关系信息，而人物关系包括亲人关系、同事关系等多种类型，因此在分析人物的社会关系前，需对文本信息中的人物关系进行分类。

当前，相关技术中提供了一种基于有监督式机器学习的人物关系分类方法，包括：对大量文本进行人工语料标注，标注出文本中的人物关系，对人工标注后的文本进行训练学习，建立人物关系分类模型。通过该人物关系分类模型对自由文本中的人物关系进行分类。

但相关技术中需人工标注大量文本，这在需标注的文本数量不多时可实现，但对于海量的文本，会出现人工标注的瓶颈，在文本数量庞大时通过人工标注出文本中的人物关系，很难实现，即便能实现，也会导致人物关系分类的效率很低。

发明内容

有鉴于此，本发明实施例的目的在于提供一种人物关系分类方法及装置，通过鲁棒路径相似度度量扩充标注向量集，并通过鲁棒性的作用消除噪声和孤立点的影响，减少了人工标注语料，减少了人力资源的消耗和浪费，解决了需海量标注时人工标注语料的瓶颈问题，且将正则化的半监督分类算法应用到人物关系提取中，提高了人物关系分类的效率。

第一方面，本发明实施例提供了一种人物关系分类方法，所述方法包括：

获取标注向量集、未标注向量集和候选关系测试集；

根据所述标注向量集和所述未标注向量集，通过鲁棒路径相似度度量扩充所述标注向量集；

通过非线性半监督分类函数对扩充后的所述标注向量集进行训练学习，得到人物关系分类模型；

通过所述人物关系分类模型对所述候选关系测试集进行人物关系分类。

结合第一方面，本发明实施例提供了上述第一方面的第一种可能的实现方式，其中，所述根据所述标注向量集和所述未标注向量集，通过鲁棒路径相似度度量方式扩充所述标注向量集，包括：

从所述未标注向量集中获取第一未标注向量，所述第一未标注向量为所述未标注向量集包括的任一未标注向量；

分别计算所述第一未标注向量与所述标注向量集包括的每个标注向量之间的鲁棒路径相似度；

若计算的多个鲁棒路径相似度中最大的鲁棒路径相似度大于预设阈值，则将所述第一未标注向量添加在所述标注向量集中。

结合第一方面的第一种可能的实现方式，本发明实施例提供了上述第一方面的第二种可能的实现方式，其中，所述分别计算所述第一未标注向量与所述标注向量集包括的每个标注向量之间的鲁棒路径相似度，包括：

根据所述第一未标注向量与所述标注向量集，通过如下公式(1)计算所述第一未标注向量与所述标注向量集包括的每个标注向量之间的鲁棒路径相似度；