金庸小说人物知识图谱构建——图谱可视化

读取上步得到的共现矩阵，将人物间的共现频次提取处理，形成如下CSV文件

这一步的代码如下

import xlrd

def readxls(path):
    xl = xlrd.open_workbook(path)
    sheet = xl.sheets()[0]
    data = []
    for i in range(0,sheet.ncols):
        data.append(list(sheet.col_values(i)))#添加
    return (data[0])#返回第一列

def sortDictValue(dict, is_reverse):
    '''
    将字典按照value排序
    :param dict: 待排序的字典
    :param is_reverse: 是否按照倒序排序
    :return s: 符合csv逗号分隔格式的字符串
    '''
    # 对字典的值进行倒序排序,items()将字典的每个键值对转化为一个元组,key输入的是函数,item[1]表示元组的第二个元素,reverse为真表示倒序
    tups = sorted(dict.items(), key=lambda item: item[1], reverse=is_reverse)
    s = ''
    for tup in tups:  # 合并成csv需要的逗号分隔格式
        s = s + tup[0] + ',' + str(tup[1]) + '\n'
    return s


def build_matrix(data, is_reverse):
    '''
    根据共同作者列表,构建共现矩阵(存储到字典中),并将该字典按照权值排序
    :param co_authors_list: 共同作者列表
    :param is_reverse: 排序是否倒序
    :return node_str: 三元组形式的节点字符串(且符合csv逗号分隔格式)
    :return edge_str: 三元组形式的边字符串(且符合csv逗号分隔格式)
    '''
    node_dict = {}  # 节点字典,包含节点名+节点权值(频数)
    edge_dict = {}  # 边字典,包含起点+目标点+边权值(频数)
    # 第1层循环,遍历整表的每行作者信息
    for row_authors in data:
        row_authors_list = row_authors.split('/') # 依据','分割每行所有作者,存储到列表中
        # 第2层循环,遍历当前行所有作者中每个作者信息
        for index, pre_au in enumerate(row_authors_list): # 使用enumerate()以获取遍历次数index
            # 统计单个作者出现的频次
            if pre_au not in node_dict:
                node_dict[pre_au] = 1
            else:
                node_dict[pre_au] += 1
            # 若遍历到倒数第一个元素,则无需记录关系,结束循环即可
            if pre_au == row_authors_list[-1]:
                break
            connect_list = row_authors_list[index+1:]
            # 第3层循环,遍历当前行该作者后面所有的合作者,以统计两两作者合作的频次
            for next_au in connect_list:
                A, B = pre_au, next_au
                # 固定两两作者的顺序
                if A > B:
                    A, B = B, A
                key = A+','+B  # 格式化为逗号分隔A,B形式,作为字典的键
                # 若该关系不在字典中,则初始化为1,表示作者间的合作次数
                if key not in edge_dict:
                    edge_dict[key] = 1
                else:
                    edge_dict[key] += 1
   
    for k in list(edge_dict.keys()):
        if edge_dict[k] < 5:
            del edge_dict[k]
    # 对得到的字典按照value进行排序
    node_str = sortDictValue(node_dict, is_reverse)  # 节点
    edge_str = sortDictValue(edge_dict, is_reverse)   # 边
    return edge_str

def str2csv(filePath, s):
    '''
    将字符串写入到本地csv文件中
    :param filePath: csv文件路径
    :param s: 待写入字符串(逗号分隔格式)
    '''
    with open(filePath, 'w', encoding='gb18030') as f:
        f.write(s)
    print('写入文件成功,请在'+filePath+'中查看')

def main():
    keyword_path = r'D:XXXXXXX/雪山飞狐共现人名.xlsx'
    data = readxls(keyword_path)
    eage=build_matrix(data,True)
    print(eage)
    str2csv('D:XXXX/雪山飞狐共现及权重.csv',eage)
    # print(eage)
   
if __name__ == '__main__':
    main()

注意： 代码里的输入其实是第二步得到的excel文件

得到如上CSV文件后，利用可视化工具Gephi导入CSV文件，调节节点颜色、大小，边的颜色、渐变等效果，就可得到下图。

至此，金庸小说人物知识图谱构建完成，但其实这不能算一个完整的知识图谱，完整的知识图谱还应该包括边上的关系，这只是我做的小小探索，不足之处欢迎大家留言指出，也欢迎大家多多交流共同进步。