Skip to content

电影知识图谱,主要包括实体识别、实体查询、关系查询以及智能问答等。movie knowledge graph(Entity identification, graph display, and intelligent question and answer)

Notifications You must be signed in to change notification settings

jiangnanboy/movie_knowledge_graph_app

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

33 Commits
 
 
 
 
 
 
 
 
 
 
 
 
 
 

Repository files navigation

基于neo4j,django,pytorch,py2neo的电影图谱及问答

功能主要包括实体识别、实体查询、关系查询以及问答几个模块。
项目中用到的数据来自网上公开数据集
前端页面参考:https://github.com/qq547276542/Agriculture_KnowledgeGraph,在此表示非常感谢。

准备数据及构建实体及关系

note:以下数据导入是在Neo4j控制台上完成,将数据data/node与data/relation放入neo4j安装目录下import文件夹下:

三类实体(节点):
实体类型 	数据文件 	数量 	说明
Movie 	        Movie.csv 	4587 	电影实体
Person 	        Person.csv 	22937 	人员实体
Country 	Country.csv 	84 	国家实体

四类关系:
关系类型 	主语实体类型 	宾语实体类型 	数据文件 	数量 	说明
ACTOR 	            Movie 	    Person 	actor.csv 	35257 	电影的主演
COMPOSER 	    Movie 	    Person 	composer.csv 	8345 	电影的编剧
DIRECTOR 	    Movie 	    Person 	director.csv 	5015 	电影的导演
DISTRICT 	    Movie 	    Country 	district.csv 	6227 	电影的制片国家/地区

一.为id创建唯一索引

1.create constraint on (c:Country) assert c.id is unique

2.create constraint on (m:Movie) assert m.id is unique

3.create constraint on (p:Person) assert p.id is unique

二.为name创建索引

1.create index on :Country(name)

2.create index on :Movie(name)

3.create index on :Person(name)

三.创建node

1.Country节点
call apoc.periodic.iterate(
                            'call apoc.load.csv("node/Country.csv",{header:true,sep:",",ignore:["label"]}) yield map as row return row',
                            'create(p:Country) set p=row',
                            {batchSize:1000,iterateList:true, parallel:true})

2.Movie节点
call apoc.periodic.iterate(
                            'call apoc.load.csv("node/Movie.csv",{header:true,sep:",",ignore:["label"]}) yield map as row return row',
                            'create(p:Movie) set p=row',
                            {batchSize:1000,iterateList:true, parallel:true})

3.Person节点
call apoc.periodic.iterate(
                            'call apoc.load.csv("node/Person.csv",{header:true,sep:",",ignore:["label"]}) yield map as row return row',
                            'create(p:Person) set p=row',
                            {batchSize:1000,iterateList:true, parallel:true})

四.创建relation

1.关系:Movie-[:ACTOR]->Person
call apoc.periodic.iterate(
                    'call apoc.load.csv( "relation/actor.csv",{header:true,sep:","}) yield map as row match (start:Movie{id:row.start_id}), (end:Person{id:row.end_id}) return start,end',
                    'create (start)-[:ACTOR]->(end)',
                    {batchSize:1000,iterateList:true, parallel:false})

2.关系:Movie-[:COMPOSER]->Person
call apoc.periodic.iterate(
                    'call apoc.load.csv( "relation/composer.csv",{header:true,sep:","}) yield map as row match (start:Movie{id:row.start_id}), (end:Person{id:row.end_id}) return start,end',
                    'create (start)-[:COMPOSER]->(end)',
                    {batchSize:1000,iterateList:true, parallel:false})

3.关系:Movie-[:DIRECTOR]->Person
call apoc.periodic.iterate(
                    'call apoc.load.csv( "relation/director.csv",{header:true,sep:","}) yield map as row match (start:Movie{id:row.start_id}), (end:Person{id:row.end_id}) return start,end',
                    'create (start)-[:DIRECTOR]->(end)',
                    {batchSize:1000,iterateList:true, parallel:false})

4.关系:Movie-[:DISTRICT]->Country
call apoc.periodic.iterate(
                    'call apoc.load.csv( "relation/district.csv",{header:true,sep:","}) yield map as row match (start:Movie{id:row.start_id}), (end:Country{id:row.end_id}) return start,end',
                    'create (start)-[:DISTRICT]->(end)',
                    {batchSize:1000,iterateList:true, parallel:false})

五.安装pyhanlp用作分词与实体识别

1.下载hanlp模型和hanlp的jar包放在目录Anaconda3\Lib\site-packages\pyhanlp\static

2.在路径Anaconda3\Lib\site-packages\pyhanlp\static\data\dictionary\custom下放以下文件(data/custom_dict/演员名.txt,data/custom_dict/电影名.txt,data/custom_dict/电影类型.txt,data/custom_dict/other.txt),当自定义词典
    演员名.txt
    电影名.txt
    电影类型.txt
    other.txt
    
3.修改自定义词典配制D:\Anaconda3\Lib\site-packages\pyhanlp\static\hanlp.properties
    CustomDictionaryPath=data/dictionary/custom/CustomDictionary.txt; 现代汉语补充词库.txt; 全国地名大全.txt ns; 人名词典.txt; 机构名词典.txt; 上海地名.txt ns; 电影类型.txt ng; 电影名.txt nm; 演员名.txt nnt; other.txt;data/dictionary/person/nrf.txt nrf;

项目结构

.
├── data
│   ── custom_dict // 常规数据
│    ── node  // 电影node数据
│   ── relation   // 电影relation数据 
│
├── intent_classification
│   ── classification_data //意图识别训练数据
│    ── pytorch  // 神经网络分类模型
│   ── scikit_learn   // 传统机器学习模型 
│       
├── movie_kg     // django项目路径
│   ├── Model  // 模型层,用于和neo4j交互,实现查询等核心功能
│   ├── movie_kg   // 用于写页面的逻辑(View)
│   ├── static    // 静态资源
│   ├── templates   // html页面
│   └── util   // 包括预加载一些数据和模型
.

功能模块

本地启动命令:python manage.py runserver (或 movie_kg\run.bat)

打开:http://127.0.0.1:8000/

一.实体实别

主要识别人物、地名、机构、电影名以及明星名

image

二.实体查询

输入电影名或演员名会图谱化展示直接关系

image

三.关系查询

4种主要实体关系:actor、composer、director、district
可以选择不同的关系类型,输入电影名或演员名,给个图谱展示

image

四.电影问答

1.利用分类模型对用户输入的问题进行意图识别

(1).训练数据在目录 intent_classification\classification_data\classification_segment_data.txt

(2).总共16个意图类别,见目录 intent_classification\classification_data\question_classification.txt

(3).意图识别

    a.分类模型1,这里使用feedforward-network进行意图识别

    训练代码:intent_classification\pytorch\feedforward_network\train.ipynb
    
    预测代码:intent_classification\pytorch\feedforward_network\predict.ipynb
    
    b.分类模型2,这里使用textcnn进行意图识别

    其中[sgns.sogou.char]使用了sogou的预训练向量可从这里下载(https://github.com/Embedding/Chinese-Word-Vectors)
    
    训练代码:intent_classification\pytorch\textcnn\train.ipynb
    
    预测代码:intent_classification\pytorch\textcnn\predict.ipynb
    
    c.分类模型3,这里使用textrnn进行意图识别

    其中[sgns.sogou.char]使用了sogou的预训练向量可从这里下载(https://github.com/Embedding/Chinese-Word-Vectors)
    
    训练代码:intent_classification\pytorch\textrnn\train.ipynb
    
    预测代码:intent_classification\pytorch\textrnn\predict.ipynb
    
    d.分类模型4,这里使用textrcnn进行意图识别

    其中[sgns.sogou.char]使用了sogou的预训练向量可从这里下载(https://github.com/Embedding/Chinese-Word-Vectors)
    
    训练代码:intent_classification\pytorch\textrcnn\train.ipynb
    
    预测代码:intent_classification\pytorch\textrcnn\predict.ipynb

2.意图识别后,有一个slot filling(即槽填充),这里采用词典形式进行槽填充(即将电影名,演员名等加入pyhanlp的词典中),利用pyhanlp进行实体识别(槽填充)。

3.将识别的意图以及提取的槽位(即识别的实体)转为cypher语言,在neo4j中进行查询得到答案
    利用分类模型预测用户提问的意图类别,将不同的意图类别转换为不同的cypher语言,从neo4j中查询得到答案。

image

后续......

1.利用pytorch的深度模型做实体识别
2.增加更多训练数据,尝试利用其它深度模型作意图识别,如textcnn,bert等
3.增加一个页面,给一篇关于电影的新闻,利用深度模型自动抽取实体和关系,并图谱化展示
4.增加多轮对话功能
5.增加闲聊功能
...

作者的qq,如您有什么想法可以和作者联系:2229029156。

如果您支持作者继续开发更加完善的功能,请动一动手为此项目打个星吧或fork此项目,这是对作者最大的鼓励。

Requirements

requirement.txt

References

contact

如有搜索、推荐、nlp以及大数据挖掘等问题或合作,可联系我:

1、我的github项目介绍:https://github.com/jiangnanboy

2、我的博客园技术博客:https://www.cnblogs.com/little-horse/

3、我的QQ号:2229029156

About

电影知识图谱,主要包括实体识别、实体查询、关系查询以及智能问答等。movie knowledge graph(Entity identification, graph display, and intelligent question and answer)

Topics

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published