【知识图谱】【红楼梦】

news2024/9/24 1:24:57

参考链接

安装、使用教程（知乎）：https://zhuanlan.zhihu.com/p/634006024
Git ：https://github.com/chizhu/KGQA_HLM
- 注：原项目为 【重庆邮电大学，2018 林智敏的毕业设计】。
- 【感谢大佬的分享】。
java 的 jdk 下载地址： https://www.oracle.com/java/technologies/downloads/

环境准备

java 的 jdk 下载地址： https://www.oracle.com/java/technologies/downloads/
noe4j 下载链接：https://neo4j.com/download/
安装、使用教程（知乎）：https://zhuanlan.zhihu.com/p/634006024
- 对 neo4j 进行了简单的介绍
- 并对 neo4j 的优势进行了讲解
neo4j 激活码：在第一次打开 neo4j 的时候需要用到

命令行启动 neo4j，并使用

cmd 中启动命令：neo4j console
- Neo4j使用
- 1. 浏览器打开地址：http://localhost:7474/
- 1. 初始登录用户名密码：默认均为：neo4j
- 1. 第一次登录的时候，需要修改密码（最低8位密码）

红楼梦项目

Git ：https://github.com/chizhu/KGQA_HLM
环境安装：pip install -r requirement.py
修改neo_db目录下的配置文件config.py,设置图数据库的账号（neo4j）和密码（8 位密码）。
切换到neo_db目录下，执行python create_graph.py 建立知识图谱
ltp 模型下载：https://pyltp.readthedocs.io/zh-cn/latest/api.html#id2
- ltp：Language Technology Platform
- 文件夹下有很多模型，其实只需要下载一个版本中的一个压缩文件夹就行。然后解压对应的压缩包，回去对应的模型文件。
在KGQA目录下，修改ltp.py里的ltp模型文件的存放目录
- 模型路径如果为相对路径，模型一直加载不成功
- 需要将模型的路径改成据对路径，即可完成
运行python app.py,浏览器打开localhost:5000即可查看

项目架构

在这里插入图片描述

ltp.py 修改的密码如下

主要应该就是将两个模型的相对路径，改成了绝对路径

# -*- coding: utf-8 -*-
import pyltp
import os

LTP_DATA_DIR = './model/'  # ltp模型目录的路径，模型的路径要改成对应的绝对路径。

def cut_words(words):
    # seg_model_path = os.path.join(LTP_DATA_DIR, 'cws.model')
    seg_model_path = r'D:\python\project\knowledge_graph\KGQA_HLM-master\KGQA\model\cws.model'
    segmentor = pyltp.Segmentor(seg_model_path)  # 直接在创建对象时传递模型路径
    words = segmentor.segment(words)
    array_str = "|".join(words)
    array = array_str.split("|")
    segmentor.release()
    return array

def words_mark(array):
    # 词性标注模型路径，模型名称为`pos.model`
    # pos_model_path = os.path.join(LTP_DATA_DIR, 'pos.model')
    pos_model_path = r'D:\python\project\knowledge_graph\KGQA_HLM-master\KGQA\model\pos.model'
    postagger = pyltp.Postagger(pos_model_path)  # 直接在创建对象时传递模型路径
    postags = postagger.postag(array)  # 词性标注
    pos_str = ' '.join(postags)
    pos_array = pos_str.split(" ")
    postagger.release()  # 释放模型
    return pos_array

def get_target_array(words):
    target_pos = ['nh', 'n']
    target_array = []
    seg_array = cut_words(words)
    pos_array = words_mark(seg_array)
    for i in range(len(pos_array)):
        if pos_array[i] in target_pos:
            target_array.append(seg_array[i])
    target_array.append(seg_array[1])
    return target_array