基于deepke构建红楼梦知识图谱

红楼梦，中国古典四大名著之首，清代作家创作的章回体长篇小说，又名《石头记》《金玉缘》。此书分为120回“程本”和80回“脂本”两种版本系统。新版通行本前八十回据脂本汇校，后四十回据程本汇校，署名“曹雪芹著，无名氏续，程伟元、高鹗整理”。

红楼梦中人物众多，而且人物关系复杂，常规方法梳理起来复杂而且杂乱，非常适合基于知识图谱技术构建红楼梦人物关系。

构建知识图谱，需要进行本体构建—信息抽取——知识融合。

在红楼梦中，主要需要解决人物关系。所以本体只需要人物与人物关系，其它本体暂不考虑。

信息抽取是其中难点。由于现有很多语言处理是基于现代语言进行建模的，而 红楼梦是文言文小说，所以现有语言模型可能会不太适用，所以可以使用bert语言模型，进行二次建模来处理红楼梦实体抽取，关系抽取。其中选取deepke作为框架，利用其中ner与re作为技术手段进行建模。

DeepKE包含命名实体识别、关系抽取和属性抽取三个模块，分别是三个任务。每个模块都有自己的子模块。例如，关系抽取模块中有标准的、少样本、文档级和多模态子模块。每个子模块由三部分组成：一组可用作​tokenizer​的工具、数据加载器、训练和预测时使用编码的一种处理模块。

实体抽取
进入对于案例使用文件夹路径，cd DeepKE/example/ner/standard,然后配置该案例运行所需要的包。根据deepke文档中的案例，创建python3.8的环境:conda create -n deepke python=3.8，然后激活conda activate deepke。安装依赖包：pip install -r requirments.txt。

第二步：获取标准的样例数据，通过wget 120.27.214.45/Data/ner/standard/data.tar.gz下载，然后tar -xzvf data.tar.gz解压，数据集和参数可以分别在data文件夹和conf文件夹中自定义。Dataset需要输入的是txt文本类型数据，文件数据格式需符合以下要求：

当下茶果已撤，贾母命两个老嬷嬷带了黛玉去见两个母舅。

OOOOOOO,B-PER I-PER O O O O O O O B-PER I-PER O O O O OO 

将对应的数据放到模型训练，执行python run.py即开始训练。

关系抽取

构建样本数据示例如下

"head","tail","relation","label"
"贾代善","贾源","son","子"
"娄氏","贾源","daughter_in_law_of_grandson","重孙媳妇"
"贾母","贾代善","wife","妻"
"老姨奶奶","贾代善","concubine","妾"
"贾敏","贾代善","daughter","女"
"嫣红","贾赦","concubine","妾"
"翠云","贾赦","concubine","妾"
"娇红","贾赦","concubine","妾"
"贾迎春","贾赦","daughter","女"
"赵姨娘","贾政","concubine","妾"
"周姨娘","贾政","concubine","妾"
 

导入到neo4j结果如下所示