用ltp提取文本关系并创建知识图谱(基于neo4j)

LTP提供了一系列中文自然语言处理工具,用户可以使用这些工具对于中文文本进行分词、词性标注、句法分析等等工作。

ltp的官方文档里演示了分词,句法分析,语义依存关系提取等简单demo。本文在此基础上,将提取出的语义依存关系构建出知识图谱,使用的是neo4j平台。同时本文也会演示怎么使用python在neo4j上创建图谱。neo4j的安装比较简单,请自行查阅。

用ltp创建知识图谱至少需要3个信息:

  • 节点类型
  • 节点名字
  • 节点间的关系

使用ltp提取文本关系:

本文只是简单演示,分析的句子是:他叫汤姆去拿外衣。
你也可以随意替换它。

from ltp import LTP

def ltp_data():
    """将句子处理成语义依存图"""

    ltp = LTP()
    # 分词
    seg, hidden = ltp.seg(["他叫汤姆去拿外衣。"])
    # 词性标注
    pos = ltp.pos(hidden)
    # 词性标注
    ner = ltp.ner(hidden)
    tag, start, end = ner[0][0]
    print(tag, ":", "".join(seg[0][start:end + 1]))
    # 语义角色标注
    srl = ltp.srl(hidden)
    # 依存句法分析
    dep = ltp.dep(hidden)
    # 语义依存分析(图)
    sdp = ltp.sdp(hidden, mode='graph')

    return sdp, pos, seg

这里我们看一下返回的结果:

if __name__ == '__main__':
    sdp, pos, seg = ltp_data()
    print(sdp)
    print(pos)
    print(seg)

out:

[[(1, 2, ‘AGT’), (2, 0, ‘Root’), (3, 2, ‘DATV’), (3, 4, ‘AGT’), (3, 5, ‘AGT’), (4, 2, ‘eSUCC’), (5, 2, ‘eSUCC’), (5, 4, ‘eSUCC’), (6, 5, ‘PAT’), (7, 2, ‘mPUNC’)]]
[[‘r’, ‘v’, ‘nh’, ‘v’, ‘v’, ‘n’, ‘wp’]]
[[‘他’, ‘叫’, ‘汤姆’, ‘去’, ‘拿’, ‘外衣’, ‘。’]]

标注和关系的具体含义参考ltp附录。

提取节点和关系:

整理上一步返回的结果,从里面提取出节点和关系。

提取节点:

def node_extraction(seg, pos):
    """从语义依存图中提取出节点的名字和节点类型"""
    seg[0] = [str(i) for i in seg[0]]
    pos[0] = [str(i) for i in pos[0]]

    return seg[0], pos[0]

提取关系时需要用到创建的节点,因此用到了nodes这个参数,它是在后面创建节点函数那里生成的。

提取关系

def relation_extraction(sdp,nodes):
    pass
    """
    提取出节点间的关系,将节点与关系整合成三元组,并存放在列表中。
    (node1,node2,relation)
    """
    rel = []
    for tuple in sdp[0]:
        # 根据索引提取出节点和关系
        index1 = int(tuple[0]) - 1
        index2 = int(tuple[1]) - 1
        node1 = nodes[index1]
        node2 = nodes[index2]
        relation = str(tuple[2])

        # 将节点和关系添加到3元组中
        triple = []
        triple.append(node1)
        triple.append(node2)
        triple.append(relation)

        # 将3元组整合到列表中
        rel.append(triple)

    return rel

创建节点和关系:

这一步是创建知识图谱,需要先去neo4j连接上,在建立连接那里,第一个参数 是用cmd打开neo4j时生成的网址(http://localhost:7474),第二个参数是用户名,第三个参数是密码。

from py2neo import Node, Graph, Relationship
from ltp_data import ltp_data
# 可以先阅读下文档:https://py2neo.org/v4/index.htm


class DataToNeo4j(object):
    """将数据存入neo4j"""

    def __init__(self):
        """建立连接"""
        link = Graph("your localhost", username="your username", password="your password")
        self.graph = link
        # self.graph = NodeMatcher(link)
        self.graph.delete_all()
        
        """
        node3 = Node('animal' , name = 'cat')
        node4 = Node('animal' , name = 'dog')  
        node2 = Node('Person' , name = 'Alice')
        node1 = Node('Person' , name = 'Bob')  
        r1 = Relationship(node2 , 'know' , node1)    
        r2 = Relationship(node1 , 'know' , node3)
        r3 = Relationship(node2 , 'has' , node3)
        r4 = Relationship(node4 , 'has' , node2)    
        self.graph.create(node1)
        self.graph.create(node2)
        self.graph.create(node3)
        self.graph.create(node4)
        self.graph.create(r1)
        self.graph.create(r2)
        self.graph.create(r3)
        self.graph.create(r4)
        """


    def create_node(self, name_node, type_node):
        """创建节点"""
        nodes = []
        for i in range(len(name_node)):
            node = Node(type_node[i], name = name_node[i])
            self.graph.create(node)
            nodes.append(node)

        print('节点创建成功')
        return nodes


    def create_relation(self, rel):
        """创建联系"""
        for triple in rel:
            try:
                # 关系要转化成字符串格式
                r = Relationship(triple[0],str(triple[2]),triple[1])
                self.graph.create(r)
            except AttributeError as e:
                print(e)

        print('关系创建成功')

测试运行

if __name__ == '__main__':
    sdp, pos, seg = ltp_data()
    create_data = DataToNeo4j()

    # 建立节点
    node_name, node_type = node_extraction(seg, pos)
    nodes = create_data.create_node(node_name, node_type)

    # 建立联系
    rel = relation_extraction(sdp, nodes)
    create_data.create_relation(rel

效果

用ltp提取文本关系并创建知识图谱(基于neo4j)_第1张图片

所有代码:

ltp_data.py

from ltp import LTP

def ltp_data():
    """将句子处理成语义依存图"""

    ltp = LTP()
    # 分词
    seg, hidden = ltp.seg(["他叫汤姆去拿外衣。"])
    # 词性标注
    pos = ltp.pos(hidden)
    # 词性标注
    ner = ltp.ner(hidden)
    # 语义角色标注
    srl = ltp.srl(hidden)
    # 依存句法分析
    dep = ltp.dep(hidden)
    # 语义依存分析(图)
    sdp = ltp.sdp(hidden, mode='graph')

    return sdp, pos, seg


if __name__ == '__main__':
    sdp, pos, seg = ltp_data()
    print(sdp)
    print(pos)
    print(seg)

neo4j.py

# -*- coding: utf-8 -*-
from py2neo import Node, Graph, Relationship
from ltp_data import ltp_data
# 可以先阅读下文档:https://py2neo.org/v4/index.htm

class DataToNeo4j(object):
    """将excel中数据存入neo4j"""

    def __init__(self):
        """建立连接"""
        link = Graph("your localhost", username="your username", password="your password")
        self.graph = link
        # self.graph = NodeMatcher(link)
        self.graph.delete_all()

        """
        node3 = Node('animal' , name = 'cat')
        node4 = Node('animal' , name = 'dog')  
        node2 = Node('Person' , name = 'Alice')
        node1 = Node('Person' , name = 'Bob')  
        r1 = Relationship(node2 , 'know' , node1)    
        r2 = Relationship(node1 , 'know' , node3) 
        r3 = Relationship(node2 , 'has' , node3) 
        r4 = Relationship(node4 , 'has' , node2)    
        self.graph.create(node1)
        self.graph.create(node2)
        self.graph.create(node3)
        self.graph.create(node4)
        self.graph.create(r1)
        self.graph.create(r2)
        self.graph.create(r3)
        self.graph.create(r4)
        """

    def create_node(self, name_node, type_node):
        """创建节点"""
        nodes = []
        for i in range(len(name_node)):
            node = Node(type_node[i], name = name_node[i])
            self.graph.create(node)
            nodes.append(node)

        print('节点创建成功')
        return nodes


    def create_relation(self, rel):
        """创建联系"""
        for triple in rel:
            try:
                # 关系要转化成字符串格式
                r = Relationship(triple[0],str(triple[2]),triple[1])
                self.graph.create(r)
            except AttributeError as e:
                print(e)

        print('关系创建成功')


def node_extraction(seg, pos):
    """从语义依存图中提取出节点的名字和节点类型"""
    seg[0] = [str(i) for i in seg[0]]
    pos[0] = [str(i) for i in pos[0]]

    return seg[0], pos[0]


def relation_extraction(sdp,nodes):
    pass
    """
    提取出节点间的关系,将节点与关于整合成三元组,并存放在列表中。
    (node1,node2,relation)
    """
    rel = []
    for tuple in sdp[0]:
        # 根据索引提取出节点和关系
        index1 = int(tuple[0]) - 1
        index2 = int(tuple[1]) - 1
        node1 = nodes[index1]
        node2 = nodes[index2]
        relation = str(tuple[2])

        # 将节点和关系添加到3元组中
        triple = []
        triple.append(node1)
        triple.append(node2)
        triple.append(relation)

        # 将3元组整合到列表中
        rel.append(triple)

    return rel


if __name__ == '__main__':
    sdp, pos, seg = ltp_data()
    create_data = DataToNeo4j()

    # 建立节点
    node_name, node_type = node_extraction(seg, pos)
    nodes = create_data.create_node(node_name, node_type)

    # 建立联系
    rel = relation_extraction(sdp, nodes)
    create_data.create_relation(rel)

你可能感兴趣的:(机器学习,笔记,python,知识图谱,机器学习)