R语言 基于共现提取《雪中悍刀行》人物关系并画网络图

概述

雪中悍刀行作为现象级的网文，电视剧版即将上映，作为曾经的一员“妖孽”书粉，按捺不住想做点啥。最近在研究知识图谱，就以此为契机展开相关研究吧。

本文将基于简单共现关系，编写 R 代码从纯文本中提取出人物关系网络，并用 networkD3 将生成的网络可视化。

• 共现： 顾名思义，就是共同出现，关系紧密的人物往往会在文本中多段内同时出现，可以通过识别文本中已确定的人名，计算不同人物共同出现的次数和比率。当比率大于某一阈值，我们认为两个人物间存在某种联系。

由于共现概率比值的计算方法较为复杂，本文只使用最基础的共现统计，自行设定共现频率的阈值，并使用networkD3绘制交互式网络图.

数据来源

雪中悍刀行小说txt来源地址： https://www.txt80.com/xuanhuan/2017/07/txt1099.html

雪中主要人物表信息整理来源地址： https://baike.baidu.com/item/雪中悍刀行/7328338

数据准备

由于《雪中》人物较多、关系复杂，这次我们只统计其中最主要的一些角色的共现关系，首先通过雪中悍刀行的百度百科获取主要人物的介绍，手动整理为excel。

部分人物有多个称谓，所以需要再整理一份多称谓人物表，以便于后期对同一个人物多个称谓的数据进行合并

接下来在R中导入数据，包括上面的两个excel以及小说文本txt，并使用jiebaR对文本各段落进行分词

library(networkD3) # 画网络图
library(readxl)    # 读取excel
library(tidyverse) # 分组统计
library(jiebaR)    # 分词

# 人物名导入
name_df <- read_excel("人物表.xlsx")
# 多称谓人物表导入
dupName_df <- read_excel("多称谓人物.xlsx")
# 文档导入
texts = readLines("./雪中悍刀行.txt", encoding="gbk")

# 设置分词器
engine1 = worker()
engine1$bylines = TRUE
# 分词
seglist = segment(texts, engine1)
head(seglist)

## [[1]]
## [1] "书香门第" "岁"       "梦"       "整理"    
## 
## [[2]]
##  [1] "附"     "本"     "作品"   "来自"   "互联网" "本人"   "不"     "做"    
##  [9] "任何"   "负责"   "内容"   "版权"   "归"     "作者"   "所有"  
## 
## [[3]]
## character(0)
## 
## [[4]]
## character(0)
## 
## [[5]]
## [1] "全"   "本校" "对"   "雪"   "中"   "悍"   "刀"   "行"  
## 
## [[6]]
## [1] "作者" "烽火" "戏"   "诸侯"

可以看到分词结束后的结果是一个大的列表，其中每个元素代表一个段落中的分词

共现关系提取

首先提取共现词对，具体方法为提取每个段落中的主要人物，并对每个段落的不同主要人物形成两两的共现词对

共现词对提取

names = c()         # 姓名字典
relationships = list()  # 关系字典
lineNames = list()      # 每段内人物关系