人物关系图谱,是指将人物之间的关系进行关联组织而形成的一类垂直领域知识图谱。它可为人口普查、广告商品推荐、公安线索拓展等相关业务提供重要知识支撑。针对现有人物关系图谱构建面临的构建模式较为单一、人物实体识别准确率有待提升、人物关系抽取中知识利用不充分等问题,论文开展人物关系图谱构建技术研究与实践,综合采用自上而下和自下而上两种模式来进行人物关系数据的采集处理,即一方面采用自上而下的模式从在线百科半结构化数据中进行人物关系基础数据采集,另一方面则以人物命名实体识别和人物关系抽取等技术为抓手,采用自下而上的模式从开放域网络文档数据中进行人物关系数据抽取,最后对两部分人物关系数据进行融合进而构建大规模人物关系图谱。论文主要工作如下:1、设计了一种自上而下的人物关系数据获取方法。面向互联网百科半结构化人物关系数据,利用数据爬虫采集人物属性与关系等信息,并以三元组的方式进行结构化组织,在此基础上采用基于机器学习的方法剔除噪声三元组,从而形成一套规模较小但质量较高的人物关系图谱数据。2、提出了一种动态字词信息融合的中文命名实体识别算法。针对命名实体识别过程中无法充分利用词汇信息的问题,首先利用多头自注意力机制动态融合对应位置的词汇信息与字符信息形成词汇集合信息,其次动态融合词汇集合信息确定对应的词汇边界,利用词汇向量优化字符向量表示,最后完成命名实体识别。3、提出了一种基于知识增强的人物关系分类方法。针对预训练语言模型不能充分利用结构化知识的问题,首先通过三元组逻辑编码明确三元组的成分进而引入三元组逻辑信息;其次使用共享相对位置编码的方法完成知识增强;最后设计了一种attention＿mask机制以降低知识噪声。此方法可将三元组知识引入预训练语言模型进而提高人物关系分类的性能表现。4、设计并实现人物关系图谱构建框架。首先以第三章百科人物关系图谱数据为启动数据;其次利用第四章和第五章的信息抽取方法进行开放域人物关系信息抽取;最后利用知识融合、知识加工算法对两种数据源提取的人物关系信息进行整合形成大规模人物关系图谱。论文依托国家重点研发计划《基于XX增强学习的XX图谱表征技术研究》,作为项目子课题,提出了一种动态字词融合命名实体识别算法与一种基于知识增强的人物关系分类方法,分别用于改善文本信息抽取过程中命名实体识别性能与关系抽取性能,同时结合论文提出的方法以百科人物关系数据为启动数据构建了一个大规模高质量人物关系图谱。