一种基于多视图学习的社会安全人物画像方法

摘要

本发明公开了一种基于多视图学习的社会安全人物画像方法，在多源身份大数据的社会安全应用中，完备的先验知识和标注样本均难以获得，本发明构建了基于部分领域知识、少量标注样本和大量未标注样本的多视图协同训练模型，实现身份属性到画像标签的准确映射。首先，通过标注样本数据集的三元空间视图分解，从三元空间身份属性中学习物理空间、社会空间、网络空间三个属性子视图及对应的权重；其次，通过三元空间多视图分类器对未标注样本进行画像标签分类，结合领域知识投票，产生可信的分类样本，添加到标注样本数据集，丰富标注样本。本发明在社会安全领域具有重要应用价值。