知识图谱最简单的demo实现——基于pyvis

1、前言

我们在上篇文章中介绍了知识图谱的简单实现,最后使用neo4j进行了展示,对于有些情况我们可能并不想为了查看知识图的结果再去安装一个软件去实现,那么我们能不能直接将三元组画出来呢/

接下来我们就介绍一个可视化的工具pyvis,来实现知识图谱的可视化

2、简单介绍pyvis

2.1 安装pyvis

安装其实很简单,直接pip就可以

python 复制代码
pip install pyvis

2.2 创建节点

python 复制代码
from pyvis.network import Network
net = Network(notebook=True)

net.add_node(1, label="张三")
net.add_node(2, label="李四")

net.nodes
#查看节点
[{'color': '#97c2fc', 'id': 1, 'label': '张三', 'shape': 'dot'},
 {'color': '#97c2fc', 'id': 2, 'label': '李四', 'shape': 'dot'}]

展示

python 复制代码
net.show("basic.html")

2.3 创建边

python 复制代码
net.add_edge(1,2, label="好朋友", color="blue", width=2)

这里的节点是可以拖动的,跟neo4j非常相似

3、知识图谱构建

实体和三元组还是来自于上一节的内容

3.1 创建节点

python 复制代码
col = ["orange","blue","red","green","purple"]

def pyvis_node_create(net,ner_list_Nh,ner_list_Ni,ner_list_Ns,predicate):
    if len(ner_list_Nh)!=0:
        for i in range(len(ner_list_Nh)):
            #graph.create(Node('人名', name=ner_list_Nh[i]))
            net.add_node(i, label=ner_list_Nh[i],title = "人名", color=col[0])


    if len(ner_list_Ni)!=0:
        for i in range(len(ner_list_Ni)):
            #graph.create(Node('机构名', name=ner_list_Ni[i]))
            net.add_node( label=ner_list_Ni[i],title = "机构名", color=col[1])

    if len(ner_list_Ns)!=0:
        for i in range(len(ner_list_Ns)):
            #graph.create(Node('地名', name=ner_list_Ns[i]))
            net.add_node(100+i, label=ner_list_Ns[i],title = "地名", color=col[2])
            

    if len(predicate)!=0:
        for i in range(len(predicate)):
            #graph.create(Node('标签', name=predicate[i]))
            net.add_node(1000+i, label=predicate[i],title = "标签", color=col[3])

代码只需要将之前在neo4j创建节点的稍微改下就行

3.2 创建边

我们首先要创建一个节点名称和节点ID对应的字典

pyvis创建边必须是id-->id的,所以我们需要根据实体名称得到其在当前的节点ID,我们在进行创建边

python 复制代码
def create_node_id_dic(net):
    dic_node_id={}
    for i in net.node_ids:
        #print(i)
        dic_node_id[str(net.node_map[i]["label"])] = i
    return  dic_node_id

得到的字典如下

python 复制代码
{'苏轼': 0,
 '黄庭坚': 1,
 '常州': 100,
 '宋朝的著名文学家': 1000,
 '他的好朋友': 1001,
 '写词': 1002,
 '写诗': 1003}

创建边

python 复制代码
def pyvis_relationship_create(net,kg_list,node_id_dic):
    for m in range(len(kg_list)):        
        try:
            net.add_edge(node_id_dic[kg_list[m][0]], node_id_dic[kg_list[m][2]], label=kg_list[m][1], color="blue", width=2)

        except AttributeError as e:
            print(e, m)

结果跟在neo4j中是一样的

相关推荐
东胜物联17 分钟前
探寻5G工业网关市场,5G工业网关品牌解析
人工智能·嵌入式硬件·5g
皓74128 分钟前
服饰电商行业知识管理的创新实践与知识中台的重要性
大数据·人工智能·科技·数据分析·零售
985小水博一枚呀1 小时前
【深度学习滑坡制图|论文解读3】基于融合CNN-Transformer网络和深度迁移学习的遥感影像滑坡制图方法
人工智能·深度学习·神经网络·cnn·transformer
AltmanChan1 小时前
大语言模型安全威胁
人工智能·安全·语言模型
985小水博一枚呀1 小时前
【深度学习滑坡制图|论文解读2】基于融合CNN-Transformer网络和深度迁移学习的遥感影像滑坡制图方法
人工智能·深度学习·神经网络·cnn·transformer·迁移学习
数据与后端架构提升之路1 小时前
从神经元到神经网络:深度学习的进化之旅
人工智能·神经网络·学习
爱技术的小伙子1 小时前
【ChatGPT】如何通过逐步提示提高ChatGPT的细节描写
人工智能·chatgpt
深度学习实战训练营3 小时前
基于CNN-RNN的影像报告生成
人工智能·深度学习
昨日之日20065 小时前
Moonshine - 新型开源ASR(语音识别)模型,体积小,速度快,比OpenAI Whisper快五倍 本地一键整合包下载
人工智能·whisper·语音识别
浮生如梦_5 小时前
Halcon基于laws纹理特征的SVM分类
图像处理·人工智能·算法·支持向量机·计算机视觉·分类·视觉检测