摘要：項目代碼下載地址基于共現(xiàn)提取釜山行人物關(guān)系更多經(jīng)典項目全部項目

項目簡介：本項目將帶大家使用 Python 提取《釜山行》人物關(guān)系，對于給定的劇本文本，通過分析文本中人物的共現(xiàn)關(guān)系，提取整個文本表示的人物關(guān)系，并將人物關(guān)系可視化表示。本項目教程由Forec發(fā)布在實驗樓。

《釜山行》是一部喪尸災難片，其人物少、關(guān)系簡單，非常適合我們學習文本處理。這個項目將介紹共現(xiàn)在關(guān)系中的提取，使用python編寫代碼實現(xiàn)對《釜山行》文本的人物關(guān)系提取，最終利用Gephi軟件對提取的人物關(guān)系繪制人物關(guān)系圖。

本項目完成過程中將學習：

共現(xiàn)網(wǎng)絡的基本原理

Python代碼對《釜山行》中人物關(guān)系提取的具體實現(xiàn)

jieba庫的基本使用

Gephi軟件的基本使用

實驗基于簡單共現(xiàn)關(guān)系，編寫 Python 代碼從純文本中提取出人物關(guān)系網(wǎng)絡，并用Gephi 將生成的網(wǎng)絡可視化。下面介紹共現(xiàn)網(wǎng)絡的基本原理。(共現(xiàn)網(wǎng)絡英文介紹)

實體間的共現(xiàn)是一種基于統(tǒng)計的信息提取。關(guān)系緊密的人物往往會在文本中多段內(nèi)同時出現(xiàn)，可以通過識別文本中已確定的實體（人名），計算不同實體共同出現(xiàn)的次數(shù)和比率。當比率大于某一閾值，我們認為兩個實體間存在某種聯(lián)系。這種聯(lián)系可以具體細化，但提取過程也更加復雜。因此在此課程只介紹最基礎(chǔ)的共現(xiàn)網(wǎng)絡。

項目通過Python提取《釜山行》人物關(guān)系網(wǎng)絡，通過gephi這個軟件做可視化處理后，最終效果如下圖所示：

本項目的完整代碼、詳細步驟及demo，可以在實驗樓查看并在線完成：Python基于共現(xiàn)提取《釜山行》人物關(guān)系

打開Xfce終端，進入 Code 目錄，創(chuàng)建 work 文件夾, 將其作為課程的工作目錄。下載并安裝 gephi 。

$ mkdir work && cd work
$ mkdir gephi && cd gephi
$ wget http://labfile.oss.aliyuncs.com/courses/677/gephi-0.9.1-linux.tar.gz                         #下載
$ tar -zxvf gephi-0.9.1-linux.tar.gz     #解壓 

下載《釜山行》的中文劇本。

$ wget http://labfile.oss.aliyuncs.com/courses/677/busan.txt

安裝jieba中文分詞。

$ sudo pip2 install jieba

可以通過各類百科獲取《釜山行》的主要人物，你可以在百度百科中找到他們的介紹，并將人名寫入一個字典中。

在實驗樓中的顯示結(jié)果如下圖：

對《釜山行》劇本中的人物關(guān)系數(shù)據(jù)進行處理后，可以使用gephi這個軟件來將人物關(guān)系可視化，以便展示的更直觀。(Gephi是一款開源免費跨平臺基于JVM的復雜網(wǎng)絡分析軟件, 其主要用于各種網(wǎng)絡和復雜系統(tǒng)，動態(tài)和分層圖的交互可視化與探測開源工具。)

使用 gephi 導入生成的網(wǎng)絡，并生成簡單的可視化布局?？梢栽谧钌戏降臄?shù)據(jù)資料選項卡中查看圖中所有的邊和節(jié)點，對于分詞不準確導致的噪音，可以手動刪除。

通過對節(jié)點染色、放大，調(diào)整成合適布局后如下圖所示。節(jié)點染色根據(jù)模塊化計算結(jié)果不定，但染色效果大致相同。

預覽后右側(cè)顯示最終的人物關(guān)系圖。

項目代碼下載地址：Python基于共現(xiàn)提取《釜山行》人物關(guān)系

更多Python經(jīng)典項目：Python全部項目