一文了解知识图谱能做什么、本文含Jiagu自然语言处理工具试用、知识图谱实战。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

需要这份系统化资料的朋友，可以戳这里获取

2.3 Jiagu实例运行使用

2.3.1分词、词性标注、命名实体识别

运行python代码如下：

import jiagu

#jiagu.init() # 可手动初始化，也可以动态初始化

text = ‘厦门明天会不会下雨’

words = jiagu.seg(text) # 分词

print(words)

pos = jiagu.pos(words) # 词性标注

print(pos)

ner = jiagu.ner(words) # 命名实体识别

print(ner)

图2-8 分词、词性标注、命名实体识别

2.3.2 demo测试

接下来我们运行demo进行测试

测试代码如下：

import jiagu

jiagu.init() # 可手动初始化，也可以动态初始化

text = ‘苏州的天气不错’

words = jiagu.seg(text)  # 分词

print(words)

words = jiagu.cut(text)  # 分词

print(words)

pos = jiagu.pos(words)  # 词性标注

print(pos)

ner = jiagu.ner(words)  # 命名实体识别

print(ner)

字典模式分词

text = ‘思知机器人挺好用的’

words = jiagu.seg(text)

print(words)

jiagu.load_userdict(‘dict/user.dict’) # 加载自定义字典，支持字典路径、字典列表形式。

jiagu.load_userdict([‘思知机器人’])

words = jiagu.seg(text)

print(words)

text = ‘’’

该研究主持者之一、波士顿大学地球与环境科学系博士陈池（音）表示，“尽管中国和印度国土面积仅占全球陆地的9%，但两国为这一绿化过程贡献超过三分之一。考虑到人口过多的国家一般存在对土地过度利用的问题，这个发现令人吃惊。”

NASA埃姆斯研究中心的科学家拉玛·内曼尼（Rama Nemani）说，“这一长期数据能让我们深入分析地表绿化背后的影响因素。我们一开始以为，植被增加是由于更多二氧化碳排放，导致气候更加温暖、潮湿，适宜生长。”

“MODIS的数据让我们能在非常小的尺度上理解这一现象，我们发现人类活动也作出了贡献。”

NASA文章介绍，在中国为全球绿化进程做出的贡献中，有42%来源于植树造林工程，对于减少土壤侵蚀、空气污染与气候变化发挥了作用。

据观察者网过往报道，2017年我国全国共完成造林736.2万公顷、森林抚育830.2万公顷。其中，天然林资源保护工程完成造林26万公顷，退耕还林工程完成造林91.2万公顷。京津风沙源治理工程完成造林18.5万公顷。三北及长江流域等重点防护林体系工程完成造林99.1万公顷。完成国家储备林建设任务68万公顷。

‘’’

keywords = jiagu.keywords(text, 5)  # 关键词抽取

print(keywords)

summarize = jiagu.summarize(text, 3)  # 文本摘要

print(summarize)

jiagu.findword(‘input.txt’, ‘output.txt’) # 根据大规模语料，利用信息熵做新词发现。

知识图谱关系抽取

text = ‘姚明1980年9月12日出生于上海市徐汇区，祖籍江苏省苏州市吴江区震泽镇，前中国职业篮球运动员，司职中锋，现任中职联公司董事长兼总经理。’

knowledge = jiagu.knowledge(text)

print(knowledge)

情感分析

text = ‘很讨厌还是个懒鬼’

sentiment = jiagu.sentiment(text)

print(sentiment)

文本聚类（需要调参）

docs = [

“百度深度学习中文情感分析工具Senta试用及在线测试”,

“情感分析是自然语言处理里面一个热门话题”,

“AI Challenger 2018 文本挖掘类竞赛相关解决方案及代码汇总”,

“深度学习实践：从零开始做电影评论文本情感分析”,

“BERT相关论文、文章和代码资源汇总”,

“将不同长度的句子用BERT预训练模型编码，映射到一个固定长度的向量上”,

“自然语言处理工具包spaCy介绍”,

“现在可以快速测试一下spaCy的相关功能，我们以英文数据为例，spaCy目前主要支持英文和德文”

]

cluster = jiagu.text_cluster(docs)

print(cluster)

代码运行结果截图如下：

图2-9 demo运行成功
2.3.3中文分词

运行代码如下：

import jiagu

text = ‘汉服和服装、维基图谱’

words = jiagu.seg(text)

print(words)

jiagu.load_userdict(‘dict/user.dict’) # 加载自定义字典，支持字典路径、字典列表形式。

jiagu.load_userdict([‘汉服和服装’])

words = jiagu.seg(text) # 自定义分词，字典分词模式有效

print(words)

图2-10运行中文分词

2.3.4知识图谱关系抽取

本案例只能使用百科的描述进行测试。作者提出效果更佳的后期将会开放api。

代码如下：

import jiagu

吻别是由张学友演唱的一首歌曲。

《盗墓笔记》是2014年欢瑞世纪影视传媒股份有限公司出品的一部网络季播剧，改编自南派三叔所著的同名小说，由郑保瑞和罗永昌联合导演，李易峰、杨洋、唐嫣、刘天佐、张智尧、魏巍等主演。

text = ‘姚明1980年9月12日出生于上海市徐汇区，祖籍江苏省苏州市吴江区震泽镇，前中国职业篮球运动员，司职中锋，现任中职联公司董事长兼总经理。’

knowledge = jiagu.knowledge(text)

print(knowledge)

图2-11 运行关系抽取

2.3.5关键词抽取

代码如下：

import jiagu

text = ‘’’

该研究主持者之一、波士顿大学地球与环境科学系博士陈池（音）表示，“尽管中国和印度国土面积仅占全球陆地的9%，但两国为这一绿化过程贡献超过三分之一。考虑到人口过多的国家一般存在对土地过度利用的问题，这个发现令人吃惊。”

NASA埃姆斯研究中心的科学家拉玛·内曼尼（Rama Nemani）说，“这一长期数据能让我们深入分析地表绿化背后的影响因素。我们一开始以为，植被增加是由于更多二氧化碳排放，导致气候更加温暖、潮湿，适宜生长。”

“MODIS的数据让我们能在非常小的尺度上理解这一现象，我们发现人类活动也作出了贡献。”

NASA文章介绍，在中国为全球绿化进程做出的贡献中，有42%来源于植树造林工程，对于减少土壤侵蚀、空气污染与气候变化发挥了作用。

据观察者网过往报道，2017年我国全国共完成造林736.2万公顷、森林抚育830.2万公顷。其中，天然林资源保护工程完成造林26万公顷，退耕还林工程完成造林91.2万公顷。京津风沙源治理工程完成造林18.5万公顷。三北及长江流域等重点防护林体系工程完成造林99.1万公顷。完成国家储备林建设任务68万公顷。

‘’’

keywords = jiagu.keywords(text, 5) # 关键词

print(keywords)

图2-12运行关键词抽取

2.3.6情感分析

代码如下：

import jiagu

text = ‘很讨厌还是个懒鬼’

sentiment = jiagu.sentiment(text)

print(sentiment)

图2-13 运行情感分析

2.3.7文本聚类

代码如下：

import jiagu

docs = [

“百度深度学习中文情感分析工具Senta试用及在线测试”,

“情感分析是自然语言处理里面一个热门话题”,

“AI Challenger 2018 文本挖掘类竞赛相关解决方案及代码汇总”,

“深度学习实践：从零开始做电影评论文本情感分析”,

“BERT相关论文、文章和代码资源汇总”,

“将不同长度的句子用BERT预训练模型编码，映射到一个固定长度的向量上”,

“自然语言处理工具包spaCy介绍”,

“现在可以快速测试一下spaCy的相关功能，我们以英文数据为例，spaCy目前主要支持英文和德文”

]

cluster = jiagu.text_cluster(docs)

print(cluster)

图2-14 运行文本聚类

2.3.8词性说明

n　　　普通名词   nt　 　时间名词   nd　 　方位名词  nl　 　处所名词

nh　 　人名       nhf　　姓         nhs　　名        ns　地名

ni 　　机构名     nz 　　其他专名   v　　 动词

vd　　趋向动词    vl　　联系动词    vu　　能愿动词   a　 　形容词

f　 　区别词      m　 　数词　　    q　 　量词       d　 　副词

r　 　代词        p　　 介词        c　 　连词       nn 　　族名

u　　 助词        e　 　叹词        o　 　拟声词

i　 　习用语      j　　 缩略语      h　　 前接成分

k　　 后接成分    g　 　语素字      x　 　非语素字

w　 　标点符号    ws非汉字字符串   wu　　其他未知的符号

2.3.9命名实体说明

B-PER、I-PER   人名

B-LOC、I-LOC   地名

B-ORG、I-ORG   机构名

2.4 报错与解决

报错1：代码运行报错：TypeError: Population must be a sequence or set.  For dicts, use list(d)

解决报错1：

修改：用list()包起来即可

features = random.sample(list(dataSet.columns.values[:-1]), int(math.sqrt(m - 1)))

3.OPENKG与Neo4j的交互联动****

3.1 功能设计

OpenKG主要关注知识图谱数据（或者称为结构化数据、语义数据、知识库）的开放，广义上OpenKG属于开放数据的一种。它是中国中文信息学会语言与知识计算专业委员会于2015年发起和倡导的开放知识图谱社区联盟项目。旨在推动以中文为基础的知识图谱数据的开放、互联与众包，以及知识图谱算法、工具和平台的开源开放工作。

Neo4j是一个高性能的，NOSQL数据库，它将结构化数据存储在网络上而不是表中。它是一个嵌入式的、基于磁盘的、具备完全的事物特性的java持久化引擎。Neo4j也可以看作是一个高性能的图引擎，该引擎具有成熟数据库所有特性。登录openKG中文开放知识图谱获取图谱csv文件，将文件导入neo4j中并运行，之后对其进行图谱可视化，关系联接可视化。本次openKG与neo4j项目我将学习如何把Neo4j 知识图谱CSV导入之海洋鱼类知识百科。

3.2 csv导入流程

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

持久化引擎。Neo4j也可以看作是一个高性能的图引擎，该引擎具有成熟数据库所有特性。登录openKG中文开放知识图谱获取图谱csv文件，将文件导入neo4j中并运行，之后对其进行图谱可视化，关系联接可视化。本次openKG与neo4j项目我将学习如何把Neo4j 知识图谱CSV导入之海洋鱼类知识百科。

3.2 csv导入流程

[外链图片转存中…(img-5H3eay0e-1715722164078)]
[外链图片转存中…(img-Qw6sudH5-1715722164078)]

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！