Python 自然语言处理 入门——提取《釜山行》的人物关系

96
zhaozhengcoder
0.3 2017.03.07 20:34* 字数 328

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。

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。
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
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

运行的结果是:在names得到的是人名和人名出现的次数


image.png
2 出现实体之间的关系

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)

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。

<br />
建立实体之间关系:

# 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
3.输出关系
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")

得到实体之间的关系


image.png
4. 用gephi进行可视化处理

生成一张可视化的关系图


2017-03-07 18-44-15屏幕截图.png

源代码:https://github.com/zhaozhengcoder/Python
关于分词jieba库的使用简介: http://www.jianshu.com/p/cdea68108cbf
参考:https://www.shiyanlou.com/courses/677

Python入门