在大数据时代背景下，我们通过对目标人物的多模态行为进行数据挖掘，并建立人物画像模型。此模型依托于人物的基础特征和高层特征，进行实例化人物画像，从而为相关部门提供全方位的了解目标人物的行为、活动、状态和基本属性等信息的能力。我们也能够基于人物画像，指导人物活动规律分析、人物能力分析以及人物动向分析等应用。
图1 展示了某人物的网络示例，而图2则呈现了人物关联关系挖掘的技术结构。
通联关系挖掘
我们选择多个话单人物，建立他们之间的通联关系网络（如图2所示），并计算话单人物间的亲密值权重。这个关系网络可以用于以下统计分析挖掘。
关键节点发现
在构建的关系网络中，我们以用户为节点，采用PageRank算法来量化不同主体在网络结构中的地位。这样可以发掘关系网络中的关键节点，进而发现活跃及高价值人物。
最短路径查找
在关系网络中，当我们选中两个人物时，系统可以帮助分析人员快速发现两个人物间的最短路径，从而更好地理解他们之间的关联性。
团体发现与共同联系人搜索
我们不仅可以通过社区发现算法发现多人物的亲密社区，还可以搜索多个人物的共同联系人，从而分析人物之间的关联性并发现隐藏的关系信息。
通联统计与语义分析
对于选定的某个人物，我们可以查看其通讯录以及相应的统计特征，如通联频次、总时长、通联关系分布等。我们还进行短信语义分析，以更深层次地理解通讯内容。
人物关联关系挖掘
我们采用统计分析和关联规则发现的方法来完物规律的挖掘。其中，我们使用Aprior算法进行关联规则的挖掘，以反映事件之间的依赖或关联。
频繁项集与因果、时序、数量关联分析
通过统计得到所有对象的协同频次，我们可以得到最常出现的项集，即频繁项集。我们还进行因果关联、时序关联以及数量关联的分析，以揭示数据中的隐藏关联信息。
关联网络关键节点与路径发现
我们通过计算图中结点的相关分析指标，发现图中的关键结点。基于角色的发现，我们将关键结点的问题转化为角色发现的问题，进一步找到关键结点。我们还通过斯坦纳森林等算法找到图中的关键路径。
本文小结
本文详细阐述了人物关联关系挖掘的技术结构，包括通联关系挖掘、人物关系挖掘、关系网络关键节点与路径发现等。这些技术可应用于大规模知识图谱的自动化构建以及典型应用分析中，相关技术成果已在实际项目中转化落地。
作者简介
桂洪冠，达观数据技术副总裁、联合创始人、高级工程师。在数据技术领域拥有深厚的积累和丰富的实战经验，曾就职于多家知名企业并担任高级技术管理工作。在达观数据创立前夕至今，他领导团队构建了基于知识和事件分析的认知智能平台，并成功完成了多个大型机构的课题项目研究和工程化落地实践。