刘鹏鹏，赵占芳,2，王 楠

（1. 河北地质大学信息工程学院 河北 石家庄 050031；2. 河北省智能传感物联网技术工程研究中心 河北 石家庄 050031）

0 引言

通过人物关系分析挖掘实体之间的联系，在数据挖掘领域具有重要的研究意义。在信息资源的生成、利用和传播过程中，人际关系网络发挥着重要的主导作用。通过对人物关系的分析，可以揭示信息资源流动和传播的途径，发现人物及信息资源的聚类，这对信息资源的数据挖掘应用具有重要的价值。

当前，通过对人物关系的分析来挖掘实体间的关联关系已经引起了国内外一些学者的关注。国内，刘锦文对新闻数据中人物关系进行了抽取与分析[1]；周舸、杨岸桢等人对微博人物关系进行了分析研究[2-3]；许婷通过话单对人物关系进行了挖掘研究[4]。国外，L. Galárraga 等[5]对 DBpedia的人物名称、地点名称、机构名称等数据进行了语义关系的挖掘；A. Spitz等[6]根据人物名称、地点名称、机构名称和时间数据构建出适合跨文档事实信息抽取的LOAD模型。

应用知识图谱构建人物关系网络，进行人物关系分析，是当前流行的技术手段。知识图谱以资源描述框架（简称：RDF模型）为基本模型，它是一种流行的图数据模型。但是RDF模型[7]具有一定的局限性：（1）RDF模型在数据表示方面缺乏必要的灵活性，尤其在多元关系的表示上难以扩展和应用；（2）RDF模型使用空白结点描述多元关系，而空白结点的使用对数据的检索和遍历带来很大的障碍，极大地影响了信息检索的性能。……