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：

项目码源见文章顶部或文末

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

3.KGQA部分码源展示

#-*- coding: utf-8 -*-

import pyltp

import os

LTP_DATA_DIR = '/Users/chizhu/data/ltp_data_v3.4.0'  # ltp模型目录的路径

def cut_words(words):

    segmentor = pyltp.Segmentor()

    seg_model_path = os.path.join(LTP_DATA_DIR, 'cws.model')

    segmentor.load(seg_model_path)

    words = segmentor.segment(words)

    array_str="|".join(words)

    array=array_str.split("|")

    segmentor.release()

    return array

def words_mark(array):

    # 词性标注模型路径，模型名称为`pos.model`

    pos_model_path = os.path.join(LTP_DATA_DIR, 'pos.model')

    postagger = pyltp.Postagger()  # 初始化实例

    postagger.load(pos_model_path)  # 加载模型

    postags = postagger.postag(array)  # 词性标注

    pos_str=' '.join(postags)

    pos_array=pos_str.split(" ")

    postagger.release()  # 释放模型

    return pos_array

def get_target_array(words):

    target_pos=['nh','n']

    target_array=[]

    seg_array=cut_words(words)

    pos_array = words_mark(seg_array)

    for i in range(len(pos_array)):

        if pos_array[i] in target_pos:

            target_array.append(seg_array[i])

    target_array.append(seg_array[1])

    return target_array

4.LTP简单教学

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)

<class 'pyltp.VectorOfString'>

>>> words_list = list(words)

>>> type(words_list)

<type '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。

项目码源见文章顶部或文末

项目码源点击跳转