命名体是识别后关系抽取及知识图谱扩充（第三步，知识图谱的填充）

经常喝假酒的胡小臣

已于 2023-10-10 13:59:59 修改

阅读量324

点赞数

文章标签：知识图谱

于 2022-05-22 16:34:15 首次发布

本文链接：https://blog.csdn.net/weixin_43636034/article/details/124912055

版权

项目场景：

前面两步，我们已经把所有的前期准备都已经完成，最后我们回归步骤一的本源，沉积学知识图谱的补充和扩建，我识别出文本内关键信息实体，提取到实体见的关系，那我就可以对知识图谱进行反向补充，这样就实现了学术界human in the loop的方案。

知识图谱的补充

这里首先我们先要连接本地的知识图谱库

__author__ = "Huzhichen"
#coding=utf-8
import json
from py2neo import Graph, Node, Relationship, cypher, NodeMatcher, RelationshipMatcher
graph = Graph("http://localhost:7474", auth=("neo4j", "admin"))

这里我举个例子，之后所有的数据填充可根据自己提取的数据自行补充，这里只展现关键的代码，第一步创建节点，在创建前我们要先进行查找如果没有才能创建，如果有就不创建，.replace(" “,”")).where(".name="+"’"+long[index]+"’").exists()这里为Neo4j 3,py2neio为2021版本，这也是目前固定写法，照抄里面数组就行
在这里插入图片描述

matcher = NodeMatcher(graph)
# 测试及查询创建实体节点
has = ['Limestone','Clasts']
long = ['clasts','micritic limestone','pink pelagic limestone']
# 创建节点
for index in range(len(long)):
    if matcher.match(long[index].replace(" ","_")).where("_.name="+"\'"+long[index]+"\'").exists() == False:
        loc_node= Node(long[index].replace(" ","_"),label=long[index].replace(" ","_"),name=long[index])
        graph.create(loc_node)
        print(long[index]+"节点不存在正在创建")
    else:
        loc_node=matcher.match(long[index].replace(" ","_")).where("_.name="+"\'"+long[index]+"\'").first()
        print(long[index]+"节点已经存在")

for index in range(len(has)):
    if matcher.match(has[index].replace(" ","_")).where("_.name="+"\'"+has[index]+"\'").exists() == False:
        has_node= Node(has[index].replace(" ","_"),label=has[index].replace(" ","_"),name=has[index])
        graph.create(has_node)
        print(has[index]+"节点不存在正在创建")
    else:
        has_node=matcher.match(has[index].replace(" ","_")).where("_.name="+"\'"+has[index]+"\'").first()
        print(has[index]+"节点已经存在")

最后创建关系，这里的关系，在数据导入Neo4j之前，已经做好了分类，肯定是前面两个关系相同的数组导入在导入关系。

# 创建节点之间的连接
for index in range(len(long)):
    for hasindex in range(len(has)):
        if (long[index].lower().find(has[hasindex].lower()) != -1):
            loc_node = matcher.match(long[index].replace(" ", "_")).where("_.name=" + "\'" + long[index] + "\'").first()
            has_node = matcher.match(has[hasindex].replace(" ", "_")).where("_.name=" + "\'" + has[hasindex] + "\'").first()
            relationshipLevel = Relationship(has_node, 'subclass', loc_node)
            graph.create(relationshipLevel)
            print("关键创建成功")