基于知识图谱的《红楼梦》人物关系可视化及问答系统（含码源）：命名实体识别、关系识别、LTP简单教学 |
您所在的位置：网站首页 › 红楼梦史家主要人物关系图谱 › 基于知识图谱的《红楼梦》人物关系可视化及问答系统（含码源）：命名实体识别、关系识别、LTP简单教学 |
基于知识图谱的《红楼梦》人物关系可视化及问答系统（含码源）：命名实体识别、关系识别、LTP简单教学
|
基于知识图谱的《红楼梦》人物关系可视化及问答系统（含码源）：命名实体识别、关系识别、LTP简单教学
文件树: app.py是整个系统的主入口 templates文件夹是HTML的页面 |-index.html 欢迎界面 |-search.html 搜索人物关系页面 |-all_relation.html 所有人物关系页面 |-KGQA.html 人物关系问答页面 static文件夹存放css和js，是页面的样式和效果的文件 raw_data文件夹是存在数据处理后的三元组文件 neo_db文件夹是知识图谱构建模块 |-config.py 配置参数 |-create_graph.py 创建知识图谱，图数据库的建立 |-query_graph.py 知识图谱的查询 KGQA文件夹是问答系统模块 |-ltp.py 分词、词性标注、命名实体识别 spider文件夹是爬虫模块 |- get_*.py 是之前爬取人物资料的代码，已经产生好images和json 可以不用再执行 |-show_profile.py 是调用人物资料和图谱展示在前端的代码部署步骤： 0.安装所需的库 执行pip install -r requirement.txt 1.先下载好neo4j图数据库，并配好环境（注意neo4j需要jdk8）。修改neo_db目录下的配置文件config.py,设置图数据库的账号和密码。 2.切换到neo_db目录下，执行python create_graph.py 建立知识图谱 3.去 这里 下载好ltp模型。ltp简介 4.在KGQA目录下，修改ltp.py里的ltp模型文件的存放目录 5.运行python app.py,浏览器打开localhost:5000即可查看 1.系统整体流程图：
项目码源点击跳转 2.主界面-基于知识图谱的《红楼梦》人物关系可视化及问答系统网站示例: 欢迎界面
pyltp 是 LTP 的 Python 封装，提供了分词，词性标注，命名实体识别，依存句法分析，语义角色标注的功能。 关于各个模块任务的介绍、标注体系、性能指标，可以查阅 这里 的介绍。 pyltp 的所有输入的分析文本和输出的结果的编码均为 UTF-8。 如果您以非 UTF-8 编码的文本输入进行分析，结果可能为空。请注意源代码文件的默认编码。 由于 Windows 终端采用 GBK 编码显示，直接输出 pyltp 的分析结果会在终端显示为乱码。您可以将标准输出重定向到文件，以 UTF8 方式查看文件，就可以解决显示乱码的问题。 4.1分句使用 pyltp 进行分句示例如下 #-*- coding: utf-8 -*- from pyltp import SentenceSplitter sents = SentenceSplitter.split('元芳你怎么看？我就趴窗口上看呗！') # 分句 print '\n'.join(sents)结果如下 4.2分词 #-*- coding: utf-8 -*- import os LTP_DATA_DIR = '/path/to/your/ltp_data' # ltp模型目录的路径 cws_model_path = os.path.join(LTP_DATA_DIR, 'cws.model') # 分词模型路径，模型名称为`cws.model` from pyltp import Segmentor segmentor = Segmentor() # 初始化实例 segmentor.load(cws_model_path) # 加载模型 words = segmentor.segment('元芳你怎么看') # 分词 print '\t'.join(words) segmentor.release() # 释放模型结果如下 words = segmentor.segment('元芳你怎么看') 的返回值类型是 native 的 VectorOfString 类型，可以使用 list 转换成 Python 的列表类型，例如 ... >>> words = segmentor.segment('元芳你怎么看') >>> type(words) >>> words_list = list(words) >>> type(words_list) >>> print words_list ['\xe5\xae\xa2\xe6\x9c\x8d', '\xe5\xa4\xaa', '\xe7\xb3\x9f\xe7\xb3\x95', '\xe4\xba\x86'] 4.2.1使用分词外部词典pyltp 分词支持用户使用自定义词典。分词外部词典本身是一个文本文件（plain text），每行指定一个词，编码同样须为 UTF-8，样例如下所示 示例如下 #-*- coding: utf-8 -*- import os LTP_DATA_DIR = '/path/to/your/ltp_data' # ltp模型目录的路径 cws_model_path = os.path.join(LTP_DATA_DIR, 'cws.model') # 分词模型路径，模型名称为`cws.model` from pyltp import Segmentor segmentor = Segmentor() # 初始化实例 segmentor.load_with_lexicon(cws_model_path, '/path/to/your/lexicon') # 加载模型，第二个参数是您的外部词典文件路径 words = segmentor.segment('亚硝酸盐是一种化学物质') print '\t'.join(words) segmentor.release() 4.2.2使用个性化分词模型个性化分词是 LTP 的特色功能。个性化分词为了解决测试数据切换到如小说、财经等不同于新闻领域的领域。 在切换到新领域时，用户只需要标注少量数据。 个性化分词会在原有新闻数据基础之上进行增量训练。 从而达到即利用新闻领域的丰富数据，又兼顾目标领域特殊性的目的。 pyltp 支持使用用户训练好的个性化模型。关于个性化模型的训练需使用 LTP，详细介绍和训练方法请参考 个性化分词 。 在 pyltp 中使用个性化分词模型的示例如下 #*- coding: utf-8 -*- import os LTP_DATA_DIR = '/path/to/your/ltp_data' # ltp模型目录的路径 cws_model_path = os.path.join(LTP_DATA_DIR, 'cws.model') # 分词模型路径，模型名称为`cws.model` from pyltp import CustomizedSegmentor customized_segmentor = CustomizedSegmentor() # 初始化实例 customized_segmentor.load(cws_model_path, '/path/to/your/customized_model') # 加载模型，第二个参数是您的增量模型路径 words = customized_segmentor.segment('亚硝酸盐是一种化学物质') print '\t'.join(words) customized_segmentor.release()同样，使用个性化分词模型的同时也可以使用外部词典 #-*- coding: utf-8 -*- import os LTP_DATA_DIR = '/path/to/your/ltp_data' # ltp模型目录的路径 cws_model_path = os.path.join(LTP_DATA_DIR, 'cws.model') # 分词模型路径，模型名称为`cws.model` from pyltp import CustomizedSegmentor customized_segmentor = CustomizedSegmentor() # 初始化实例 customized_segmentor.load_with_lexicon(cws_model_path, '/path/to/your/customized_model', '/path/to/your/lexicon') # 加载模型 words = customized_segmentor.segment('亚硝酸盐是一种化学物质') print '\t'.join(words) customized_segmentor.release() 4.3词性标注使用 pyltp 进行词性标注示例如下 #-*- coding: utf-8 -*- import os LTP_DATA_DIR = '/path/to/your/ltp_data' # ltp模型目录的路径 pos_model_path = os.path.join(LTP_DATA_DIR, 'pos.model') # 词性标注模型路径，模型名称为`pos.model` from pyltp import Postagger postagger = Postagger() # 初始化实例 postagger.load(pos_model_path) # 加载模型 words = ['元芳', '你', '怎么', '看'] # 分词结果 postags = postagger.postag(words) # 词性标注 print '\t'.join(postags) postagger.release() # 释放模型结果如下 参数 words 是分词模块的返回值，也支持 Python 原生的 list 类型，例如 words = ['元芳', '你', '怎么', '看'] postags = postagger.postag(words)LTP 使用 863 词性标注集，详细请参考 词性标注集 。 使用词性标注外部词典pyltp 词性标注同样支持用户的外部词典。词性标注外部词典同样为一个文本文件，每行指定一个词，第一列指定单词，第二列之后指定该词的候选词性（可以有多项，每一项占一列），列与列之间用空格区分。示例如下 ##命名实体识别 使用 pyltp 进行命名实体识别示例如下 #-*- coding: utf-8 -*- import os LTP_DATA_DIR = '/path/to/your/ltp_data' # ltp模型目录的路径 ner_model_path = os.path.join(LTP_DATA_DIR, 'ner.model') # 命名实体识别模型路径，模型名称为`pos.model` from pyltp import NamedEntityRecognizer recognizer = NamedEntityRecognizer() # 初始化实例 recognizer.load(ner_model_path) # 加载模型 words = ['元芳', '你', '怎么', '看'] postags = ['nh', 'r', 'r', 'v'] netags = recognizer.recognize(words, postags) # 命名实体识别 print '\t'.join(netags) recognizer.release() # 释放模型其中，words 和 postags 分别为分词和词性标注的结果。同样支持 Python 原生的 list 类型。 结果如下 LTP 采用 BIESO 标注体系。B 表示实体开始词，I 表示实体中间词，E 表示实体结束词，S 表示单独成实体，O 表示不构成命名实体。 LTP 提供的命名实体类型为: 人名（Nh）、地名（Ns）、机构名（Ni）。 B、I、E、S 位置标签和实体类型标签之间用一个横线 - 相连；O 标签后没有类型标签。 详细标注请参考 命名实体识别标注集 。 4.4依存句法分析使用 pyltp 进行依存句法分析示例如下 #-*- coding: utf-8 -*- import os LTP_DATA_DIR = '/path/to/your/ltp_data' # ltp模型目录的路径 par_model_path = os.path.join(LTP_DATA_DIR, 'parser.model') # 依存句法分析模型路径，模型名称为`parser.model` from pyltp import Parser parser = Parser() # 初始化实例 parser.load(par_model_path) # 加载模型 words = ['元芳', '你', '怎么', '看'] postags = ['nh', 'r', 'r', 'v'] arcs = parser.parse(words, postags) # 句法分析 print "\t".join("%d:%s" % (arc.head, arc.relation) for arc in arcs) parser.release() # 释放模型其中，words 和 postags 分别为分词和词性标注的结果。同样支持 Python 原生的 list 类型。 结果如下 arc.head 表示依存弧的父节点词的索引。ROOT 节点的索引是 0，第一个词开始的索引依次为 1、2、3… arc.relation 表示依存弧的关系。 arc.head 表示依存弧的父节点词的索引，arc.relation 表示依存弧的关系。 标注集请参考 依存句法关系 。 4.5语义角色标注使用 pyltp 进行语义角色标注示例如下 #-*- coding: utf-8 -*- import os LTP_DATA_DIR = '/path/to/your/ltp_data' # ltp模型目录的路径 srl_model_path = os.path.join(LTP_DATA_DIR, 'srl') # 语义角色标注模型目录路径，模型目录为`srl`。注意该模型路径是一个目录，而不是一个文件。 from pyltp import SementicRoleLabeller labeller = SementicRoleLabeller() # 初始化实例 labeller.load(srl_model_path) # 加载模型 words = ['元芳', '你', '怎么', '看'] postags = ['nh', 'r', 'r', 'v'] #arcs 使用依存句法分析的结果 roles = labeller.label(words, postags, arcs) # 语义角色标注 #打印结果 for role in roles: print role.index, "".join( ["%s:(%d,%d)" % (arg.name, arg.range.start, arg.range.end) for arg in role.arguments]) labeller.release() # 释放模型结果如下 3 A0:(0,0)A0:(1,1)ADV:(2,2)第一个词开始的索引依次为 0、1、2… 返回结果 roles 是关于多个谓词的语义角色分析的结果。由于一句话中可能不含有语义角色，所以结果可能为空。 role.index 代表谓词的索引， role.arguments 代表关于该谓词的若干语义角色。 arg.name 表示语义角色类型，arg.range.start 表示该语义角色起始词位置的索引，arg.range.end 表示该语义角色结束词位置的索引。 例如上面的例子，由于结果输出一行，所以 “元芳你怎么看” 有一组语义角色。 其谓词索引为 3，即 “看”。这个谓词有三个语义角色，范围分别是(0,0) 即“元芳”，(1,1)即 “你”，(2,2) 即“怎么”，类型分别是 A0、A0、ADV。 arg.name 表示语义角色关系，arg.range.start 表示起始词位置，arg.range.end 表示结束位置。 更多优质内容请关注公号&知乎：汀丶人工智能；会提供一些相关的资源和优质文章，免费获取阅读。
项目码源点击跳转 |
【本文地址】