[发明专利]一种人物关系分类方法及装置

权利要求书

1.一种人物关系分类方法，其特征在于，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；

所述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之前，还包括：

根据扩充后的所述标注向量集中每个向量的特征属性和决策属性，构建鲁棒路径正则化框架；

根据所述鲁棒路径正则化框架，构造非线性半监督分类函数；

所述根据扩充后的所述标注向量集和所述鲁棒路径相似度度量，构建鲁棒路径正则化框架，包括：

根据扩充后的所述标注向量集中每个向量的特征属性和决策属性，通过如下公式(2)构建鲁棒路径正则化框架；

在公式(2)中，i和j均为扩充后所述标注向量集中向量的序号，N_i表示x_i的领域，σ为权值控制参数，l为扩充前所述标注向量集包括的标注向量的数目，u为所述未标注向量集包括的未标注向量的数目，x_i为扩充后所述标注向量集中第i个向量的特征属性，z_i为所述第i个向量的人物关系的决策属性，f^*(z_i)为所述鲁棒路径正则化框架，K(x_i,z_i)表示参数为x_i和z_i的核函数。

2.根据权利要求1所述的方法，其特征在于，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。

3.根据权利要求2所述的方法，其特征在于，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；

在公式(1)中，i为所述第一未标注向量的序号，j为标注向量的序号，S_ij为所述鲁棒路径相似度；P为所述第一未标注向量与标注向量之间的路径，|P|为所述路径P上的顶点数目，P[h]为所述路径P上的第h个顶点，P[h+1]为所述路径P上的第h+1个顶点；为所述路径P上第h个顶点与第h+1个顶点之间的相似度；x_P[h]为路径P上第h个顶点对应的未标注向量，N_P[h]为未标注向量x_P[h]的领域；x_P[h+1]为路径P上第h+1个顶点对应的未标注向量，N_P[h+1]为未标注向量x_P[h+1]的领域；参数σ用来控制相似度的变化速度。