本发明公开了一种面向人物关系网络的未知实体关系推断方法，获取人物关系网络的模式图和实例图并划分为训练集/测试集；使用智能体通过马尔科夫决策过程来挖掘元路径，智能体的奖励由实例图中元路径的覆盖率得到；使用策略网络进行迭代训练，得到识别的元路径与其覆盖率和置信度；将过滤后的测试集构成正样本，去除样本对中在训练集中出现的节点；选取测试集中的事实三元组和两个未知待预测的实体，推断两个实体之间的关系。本发明将实体关系的元路径查找问题建模为模式网络上的MDP过程，使用具有复杂策略的强化学习智能体，该策略由长短期记忆网络参数化，能够找到具有高覆盖率的元路径，推断出的未知实体间关系的准确度更高。