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。
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
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
1.create index on :Country(name)
2.create index on :Movie(name)
3.create index on :Person(name)
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})
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})
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;
.
├── 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
.
本地启动命令：python manage.py runserver (或 movie_kg\run.bat)
主要识别人物、地名、机构、电影名以及明星名
输入电影名或演员名会图谱化展示直接关系
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
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。
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
...
requirement.txt
- https://github.com/jiangnanboy/movie_kg
- https://github.com/qq547276542/Agriculture_KnowledgeGraph
- https://github.com/jiangnanboy/chatbot
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