Python 自然语言处理 入门——提取《釜山行》的人物关系

   <p>使用jieba库对 《釜山行》中的人物关系进行提取，然后使用Gephi软件进行关系可视化处理，得到可视化的人物关系。</p>    <p><strong>1. 使用jieba库 对《釜山行》的剧本进行关系实体。这里的实体指的是人物。</strong></p>    <pre>  <code class="language-python">names = {}            # 姓名字典  relationships = {}    # 关系字典  #limenames 记录的是每一行出现的名字， 也就是说，只有出现在用一行的名字才认为是有关系的  lineNames = []        # 每段内人物关系</code></pre>    <pre>  <code class="language-python">jieba.load_userdict("dict.txt")        # 加载字典  with codecs.open("busan.txt", "r", "utf8") as f:      for line in f.readlines():          #按行输出文件          #print line          #poss 包含两个key，一个是word，一个是flag          """          words=pseg.cut("我爱北京天安门")          for word ,flag in words:                  print ('%s %s' %(word,flag))               输出的格式是：             我   r             爱   v             北京  ns             天安门  ns          """          poss = pseg.cut(line)        # 分词并返回该词词性          #给list添加一个为空的list          lineNames.append([])        # 为新读入的一段添加人物名称列表          for w in poss:              if w.flag != "nr" or len(w.word) < 2:                  continue            # 当分词长度小于2或该词词性不为nr时认为该词不为人名              #[-1]表示最后一个元素              #limenames 记录的是每一行出现的名字， 也就是说，只有出现在用一行的名字才认为是有关系的              lineNames[-1].append(w.word)        # 为当前段的环境增加一个人物              if names.get(w.word) is None:                  names[w.word] = 0                  relationships[w.word] = {}              names[w.word] += 1                    # 该人物出现次数加 1</code></pre>    <p>运行的结果是：在names得到的是人名和人名出现的次数</p>    <p style="text-align:center"><img src="https://simg.open-open.com/show/0383a54a39d841ea60135be267e514f1.png"></p>    <p style="text-align:center">image.png</p>    <p><strong>2 出现实体之间的关系</strong></p>    <p>提取中文之间的实体关系是一个很复杂的算法，但是这里并不需要提取到具体的关系。只需要直到他们之间是否有关系。所以，判断是否有关系，通过一句话里面是否有这两个实体。如果一句话里面包含这两个实体，我们可以认为他们是存在关系的。（但也可能并不存在，只是存在关系的可能性很大）</p>    <pre>  <code class="language-python">lineNames = []          # 用linenames记录每一行出现的人名  如果这一行没有人名，就push一个空list，如果有，就把人push进去。</code></pre>    <p>建立实体之间关系：</p>    <pre>  <code class="language-python"># explore relationships  for line in lineNames:                    # 对于每一段      for name1 in line:                              for name2 in line:                # 每段中的任意两个人              if name1 == name2:                  continue              #如果名字1 和名字2 不相同的话              #也就是说，关系的抽取是基于 这一行有没有出现这两个名字              if relationships[name1].get(name2) is None:        # 若两人尚未同时出现则新建项                  relationships[name1][name2]= 1              else:                  relationships[name1][name2] = relationships[name1][name2]+ 1        # 两人共同出现次数加 1</code></pre>    <p><strong>3.输出关系</strong></p>    <pre>  <code class="language-python">with codecs.open("busan_node.txt", "w", "utf-8") as f:      f.write("Id Label Weight\r\n")      for name, times in names.items():          f.write(name + " " + name + " " + str(times) + "\r\n")    with codecs.open("busan_edge.txt", "w", "gbk") as f:      f.write("Source Target Weight\r\n")      for name, edges in relationships.items():          for v, w in edges.items():              if w > 3:                  f.write(name + " " + v + " " + str(w) + "\r\n")</code></pre>    <p>得到实体之间的关系</p>    <p style="text-align:center"><img src="https://simg.open-open.com/show/364a9ebe32dc79809a8107ebf4c39179.png"></p>    <p style="text-align:center">image.png</p>    <p>4. 用gephi进行可视化处理</p>    <p>生成一张可视化的关系图</p>    <p style="text-align:center"><img src="https://simg.open-open.com/show/e4aa1305d8da58026df63c25e41bd61d.png"></p>    <p> </p>    <p> </p>    <p>来自：http://www.jianshu.com/p/8fc86ba6222d</p>    <p> </p>