网络技术的迅猛发展及互联网的普及,使得人们越来越依赖于网络信息的交流与共享,从互联网上获取人物信息的需求也逐步提高,然而海量的网络数据使得人物信息表现为零乱、碎片化,现有的人物画像方面的工作也主要集中于人物属性的抽取,用户迫切地希望能够方便快捷的获得人物全方面的信息。论文研究以新闻为处理对象的人物画像挖掘技术,重点对人物社会关系抽取、人物参与事件追踪、人物热度及情感分析三个方面进行了研究。在人物社会关系抽取方面,论文首先通过同义词词林扩展种子词典的方法来建立人物关系词库,避免了人工收集词典所造成的效率低下的问题;其次提出了基于规则匹配与句法树结合的人物关系抽取算法,有效克服了规则匹配所导致的召回率低的弊端,在实验中该算法的平均F值达到了82.61%,与其他方法相比优势明显。在人物参与事件追踪方面,论文主要在文本特征表示、特征降维及相似度计算上进行了改进。论文提出使用标题、人名、内容三重向量来表征文本,并采用三重向量相似度的加权求和值作为文本相似度,在文本聚类时引入时间衰减因子,保证了事件的时间性质。在热度及情感分析方面,首先分析了影响人物热度的各个因素,并给出了热度值具体的计算公式;其次采用基于词库的方法对人物情感倾向进行分析,在中等规模的测试数据中,也取得了较好的效果。论文通过上述三方面的工作,将分散在网络各处的人物信息有效地组织起来,形成人物画像,研究成果可应用于人物搜索系统、特定目标追踪和网络红人探测等方面,为人类工作及生活提供极大的便利。论文进一步工作主要包括两方面:降低关系抽取算法的时间复杂度及引入语义分析对情感倾向进行更深层次的研究。