金庸小说人物知识图谱构建——人名提取

AnronSakura

已于 2022-09-11 17:59:45 修改

阅读量929

点赞数 2

分类专栏：知识图谱文章标签：知识图谱

于 2022-07-11 17:07:55 首次发布

本文链接：https://blog.csdn.net/m0_53046782/article/details/125724162

版权

本步的思路是运用命名实体识别工具来提取小说中的人名

我用的工具是stanfordcorenlp，当然还有其他的工具可以选择，如snownlp，THULAC等，我将提取的人名保存在txt文件中，经过人工去错后，得到如下人名：

《雪山飞狐》部分人名

提取人名的代码如下

#写入txt文件
from stanfordcorenlp import StanfordCoreNLP

nlp = StanfordCoreNLP(r'D:\java\stanford-corenlp-4.2.2', lang='zh')

with open(

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

AnronSakura

关注关注

2
点赞
踩
3

收藏

觉得还不错? 一键收藏
0
评论
金庸小说人物知识图谱构建——人名提取

运用命名实体识别工具提取人名
复制链接

扫一扫

专栏目录

Python学习之路-NLP（人物提取）

m0_58998775的博客

06-11

3422

import os import jieba.posseg as psg import jieba import time import re novel = 'hlm' dir = './Text/'+novel #jieba.load_userdict(dir+'/mydict.txt') # 字典合并 def combineListToDic(list): if len(list) <= 1: return list temp = {} for l i.

金庸小说人物知识图谱构建——构建共现矩阵

m0_53046782的博客

09-11

1201

两两人物间的数字对应他们的共现频次，代表他们在多少个章节中共同出现了，对角线上的频次定义为0，共现频次越高，人物间的关系可能越紧密。得到的共现人物共现关系excel表，构建人物间的共现矩阵，如下图。代码里有文件路径需要改成自己的。

参与评论您还未登录，请先登录后发表或查看评论

开源开放 | 中国近代历史人物知识图谱

开放知识图谱

12-03

2867

OpenKG地址：http://openkg.cn/dataset/zgjdlsrw项目地址：http://www.zjuwtx.work/project/kg开放许可协议：CC BY-S...

金庸小说人物知识图谱构建——获取共现关系

m0_53046782的博客

09-11

749

爬虫提取共现人物关系

筛斗数据提取：从文本中提取人名、地名、组织机构名等实体

最新发布

Shaidou_Data的博客

04-29

328

使用预训练模型的好处是它们已经在大量文本上进行了训练，因此能够捕获丰富的上下文信息，从而提高实体识别的准确性。从文本中提取人名、地名、组织机构名等实体是自然语言处理（NLP）领域的一个重要任务，通常被称为命名实体识别（Named Entity Recognition，NER）。创建一个包含人名、地名、组织机构名等的词典，然后在文本中查找与词典中的条目匹配的实体。例如，可以先使用基于规则或词典的方法提取一些明显的实体，然后使用基于监督学习的方法进一步细化或补充识别结果。

使用自然语言处工具HanLP获取人名

今夕何夕

08-30

816

自然语言处工具HanLP获取人名

人物图谱构建技术

KGDATA001的博客

05-20

1388

为了构建高质量人物图谱，需要考虑数据来源较为可靠，并根据百科特性为每个人物赋予ID以区分同名人物。

stanfordcorenlp识别中文人名实战记录及心得

Smile_Lai的博客

10-08

1078

StanfordCoreNLP实战记录总体来说,StanfordCoreNLP对于中文人名的识别,个人觉得准确率不够,而且安装步骤复杂,中间很容易出错,对于有高精度的识别的需求就不适用了,如果还有更好的关于StanfordCoreNLP的方法还请指正.

Python爬虫爬取哈利波特小说，并用数据可视化分析出场人物

Python案例分享，B站视频教程：https://space.bilibili.com/523606542

07-15

2421

前言本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理。先简单介绍一下jieba中文分词包，jieba包主要有三种分词模式：精确模式：默认情况下是精确模式，精确地分词，适合文本分析；全模式：把所有能成词的词语都分出来, 但是词语会存在歧义；搜索引擎模式：在精确模式的基础上，对长词再次切分，适合用于搜索引擎分词。 jieba 包常用的语句：精确模式分词：jieba.cut(text,cut_all = Fals.

nlp实现备注name提取

qq_16446137的博客

03-11

586

如何进行name提取？

金庸小说人物知识图谱构建——图谱可视化

m0_53046782的博客

09-11

753

将人物间的共现频次提取处理，形成CSV文件，导入Gephi形成图谱。

金庸小说人物知识图谱构建——以《雪山飞狐》为例

m0_53046782的博客

01-26

2864

最终效果图

利用飞讯语义识别API 获取微小说所有角色名

魁北克之旅的博客

08-30

528

利用飞讯语义识别API 获取微小说所有角色名 1、代码： #!/usr/bin/python # -*- coding: UTF-8 -*- import os, sys import math import time import urllib.request import urllib.parse import json import hashlib import base64 names = {} relationships = {} lineNames = [] str0 = '' tempSt

OpenNLP小记（利用OpenNLP寻找人名）

u011274209的专栏

04-28

2601

利用OpenNLP进行人名命名实体识别，代码来源于《驾驭文本》第五章。 import java.io.File; import java.io.FileInputStream; import opennlp.tools.namefind.NameFinderME; import opennlp.tools.namefind.TokenNameFinderModel; import opennl

知识图谱构建 python

11-30

知识图谱是一种用于描述实体之间关系的图形化知识表示方式。Python是一种功能强大的编程语言，可以用于构建知识图谱。以下是使用Python构建知识图谱的一些步骤和方法： 1. 确定实体和关系：首先需要确定知识图谱中包含哪些实体和它们之间的关系。例如，在金庸小说中，实体可以是人物、地点、事件等，它们之间的关系可以是亲戚关系、师徒关系、敌对关系等。 2. 数据收集和处理：收集和处理数据是构建知识图谱的重要步骤。可以使用Python爬虫技术从互联网上收集数据，也可以使用Python处理已有的数据。例如，可以使用Python的pandas库对数据进行清洗和处理。 3. 知识图谱建模：使用Python的图数据库neo4j可以方便地构建知识图谱。可以使用Python的py2neo库连接neo4j数据库，并使用Cypher语言创建节点和关系。例如，可以使用以下代码创建一个人物节点和一个师徒关系： ```python from py2neo import Graph, Node, Relationship # 连接neo4j数据库 graph = Graph() # 创建人物节点 person = Node("Person", name="张无忌") graph.create(person) # 创建师徒关系 master = Node("Person", name="张三丰") apprentice = person relationship = Relationship(master, "师徒", apprentice) graph.create(relationship) ``` 4. 可视化：使用Python的可视化库可以将知识图谱可视化。例如，可以使用Python的matplotlib库绘制知识图谱的节点和关系。

“相关推荐”对你有帮助么？

非常没帮助
没帮助
一般
有帮助
非常有帮助

提交