用 Python 提取《釜山行》人物關係

項目簡介：本項目將帶你們使用 Python 提取《釜山行》人物關係，對於給定的劇本文本，經過分析文本中人物的共現關係，提取整個文本表示的人物關係，並將人物關係可視化表示。本項目教程由Forec發佈在實驗樓。

1、項目介紹

1. 內容簡介

《釜山行》是一部喪屍災難片，其人物少、關係簡單，很是適合咱們學習文本處理。這個項目將介紹共如今關係中的提取，使用python編寫代碼實現對《釜山行》文本的人物關係提取，最終利用Gephi軟件對提取的人物關係繪製人物關係圖。

2. 知識點

本項目完成過程當中將學習：

• 共現網絡的基本原理

• Python代碼對《釜山行》中人物關係提取的具體實現

• jieba庫的基本使用

• Gephi軟件的基本使用

2、項目原理及效果圖

實驗基於簡單共現關係，編寫 Python 代碼從純文本中提取出人物關係網絡，並用Gephi 將生成的網絡可視化。下面介紹共現網絡的基本原理。(共現網絡英文介紹)

實體間的共現是一種基於統計的信息提取。關係緊密的人物每每會在文本中多段內同時出現，能夠經過識別文本中已肯定的實體（人名），計算不一樣實體共同出現的次數和比率。當比率大於某一閾值，咱們認爲兩個實體間存在某種聯繫。這種聯繫能夠具體細化，但提取過程也更加複雜。所以在此課程只介紹最基礎的共現網絡。

項目經過Python提取《釜山行》人物關係網絡，經過gephi這個軟件作可視化處理後，最終效果以下圖所示：

3、實驗過程

本項目的完整代碼、詳細步驟及demo，能夠在實驗樓查看並在線完成：Python基於共現提取《釜山行》人物關係

開發準備：

打開Xfce終端，進入 Code 目錄，建立 work 文件夾, 將其做爲課程的工做目錄。下載並安裝 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

實驗步驟：

1.觀察文本結構、準備詞典

能夠經過各種百科獲取《釜山行》的主要人物，你能夠在百度百科中找到他們的介紹，並將人名寫入一個字典中。

2.肯定須要的變量

3.文本中實體識別

在實驗樓中的顯示結果以下圖：

4.根據識別結果構建網絡

5.過濾冗餘邊並輸出結果

6.可視化網絡

對《釜山行》劇本中的人物關係數據進行處理後，可使用gephi這個軟件來將人物關係可視化，以便展現的更直觀。(Gephi是一款開源免費跨平臺基於JVM的複雜網絡分析軟件, 其主要用於各類網絡和複雜系統，動態和分層圖的交互可視化與探測開源工具。)

使用 gephi 導入生成的網絡，並生成簡單的可視化佈局。能夠在最上方的數據資料選項卡中查看圖中全部的邊和節點，對於分詞不許確致使的噪音，能夠手動刪除。

經過對節點染色、放大，調整成合適佈局後以下圖所示。節點染色根據模塊化計算結果不定，但染色效果大體相同。

預覽後右側顯示最終的人物關係圖。

項目代碼下載地址：Python基於共現提取《釜山行》人物關係

更多Python經典項目：Python所有項目