1.工具

1.1 Jiagu 自然语言处理工具

Jiagu使用大规模语料训练而成。将提供中文分词、词性标注、命名实体识别、情感分析、知识图谱关系抽取、关键词抽取、文本摘要、新词发现、情感分析、文本聚类等常用自然语言处理功能。

Jiagu 详细内容参考：https://github.com/ownthink/Jiagu

1.2 Neo4j

ubuntu 安装 neo4j

• 安装服务端

wget -O - https://debian.neo4j.org/neotechnology.gpg.key | sudo apt-key add -
echo 'deb https://debian.neo4j.org/repo stable/' | sudo tee /etc/apt/sources.list.d/neo4j.list
sudo apt-get update

• 安装社区版：

sudo apt-get install neo4j

• 安装企业版

sudo apt-get install neo4j-enterprise

• 安装客户端

sudo add-apt-repository ppa:cleishm/neo4j
sudo apt-get update
sudo apt-get install neo4j-client libneo4j-client-dev

1.3 py2neo

• 安装 py2neo

pip install py2neo

1.4 pandas

将 python List 转为 pandas.DataFrame 进而存储为 csv 文件

2.数据处理

2.1 知识图谱关系抽取

import jiagu

text = '姚明1980年9月12日出生于上海市徐汇区，祖籍江苏省苏州市吴江区震泽镇，前中国职业篮球运动员，司职中锋，现任中职联公司董事长兼总经理。'
knowledge = jiagu.knowledge(text)
print(knowledge)

[['姚明', '出生日期', '1980年9月12日'],
 ['姚明', '出生地', '上海市徐汇区'],
 ['姚明', '祖籍', '江苏省苏州市吴江区震泽镇']]

2.2 list 存储为 csv

data = pd.DataFrame(data=knowledge)
data

	0	1	2
0	姚明	出生日期	1980年9月12日
1	姚明	出生地	上海市徐汇区
2	姚明	祖籍	江苏省苏州市吴江区震泽镇

data.to_csv('input.csv', encoding='utf-8')

至此，中文文本经过了知识图谱关系抽取形成List，并将 List 存储为 csv 格式。接下来，就可以使用 py2neo API 实现知识图谱的构建。

2.3 py2neo

graph = Graph('http://localhost:7474', user='neo4j', password='neo4j')
graph.delete_all() 

with open('input.csv', 'r', encoding='utf-8') as f:
    reader = csv.reader(f)
    for item in reader:
        if reader.line_num == 1:  # 过滤掉 csv 第 1 列， 0， 1， 2 
            continue
        print("当前行数: ", reader.line_num, "当前内容: ", item)
        start_node = Node("姓名", name=item[1])
        end_node=Node("属性值", value=item[3])
        relation=Relationship(start_node, item[2], end_node)
        
        graph.merge(start_node, "姓名", "name")
        graph.merge(end_node, "属性值", "value")
        graph.merge(relation, "值", "属性")

当前行数:  2 当前内容:  ['0', '姚明', '出生日期', '1980年9月12日']
当前行数:  3 当前内容:  ['1', '姚明', '出生地', '上海市徐汇区']
当前行数:  4 当前内容:  ['2', '姚明', '祖籍', '江苏省苏州市吴江区震泽镇']

3. Neo4j 数据展示

Neo4j 图数据库已经启动，在浏览器中输入: http://loaclhost:7474 即可访问。

中文文本经过关系抽取之后构建出来的知识图谱如下图所示：

完整代码

import jiagu
import csv
import pandas as pd
import py2neo
from py2neo import Graph, Node, Relationship

# 中文文本导入
text = '姚明1980年9月12日出生于上海市徐汇区，祖籍江苏省苏州市吴江区震泽镇，前中国职业篮球运动员，司职中锋，现任中职联公司董事长兼总经理。'

# 关系抽取
knowledge = jiagu.knowledge(text)

# 将抽取到的关系转为 pandas.DataFrame 进而存储为 csv 文件
data = pd.DataFrame(data=knowledge)
data.to_csv('input.csv', encoding='utf-8')

# 连接本地 Neo4j 图数据库
graph = Graph('http://localhost:7474', user='neo4j', password='1991')
graph.delete_all() 

# 构建知识图谱
with open('input.csv', 'r', encoding='utf-8') as f:
    reader = csv.reader(f)
    for item in reader:
        if reader.line_num == 1: # 过滤掉第 1 列（0， 1， 2）
            continue
        print("当前行数: ", reader.line_num, "当前内容: ", item)
        start_node = Node("姓名", name=item[1])
        end_node=Node("属性值", value=item[3])
        relation=Relationship(start_node, item[2], end_node)
        
        graph.merge(start_node, "姓名", "name")
        graph.merge(end_node, "属性值", "value")
        graph.merge(relation, "值", "属性")