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
AC赳赳老秦2 分钟前
OpenClaw image-processing技能实操:批量抠图、图片尺寸调整,适配办公需求
开发语言·前端·人工智能·python·深度学习·机器学习·openclaw
Agent产品评测局6 分钟前
企业生产报工自动化落地,数据采集全流程实现方案 —— 2026制造业数字化转型深度选型指南
运维·人工智能·ai·chatgpt·自动化
以太浮标7 分钟前
华为eNSP模拟器综合实验之- DHCP、DNS、HTTP和FTP服务器配置案例Client-Server
linux·服务器·windows·http·华为·信息与通信
帮我吧智能服务平台8 分钟前
工业4.0下,装备制造全生命周期服务数字化落地方案(附实操案例)
网络·人工智能·制造
hqyjzsb10 分钟前
深度洞察人性需求!拆解传统心理咨询升级AI智慧辅导师数智工作流
人工智能·深度学习·学习·数据挖掘·aigc·学习方法·业界资讯
Project_Observer13 分钟前
为您的项目选择最合适的Zoho Projects自动化巧能
大数据·运维·人工智能·深度学习·机器学习·自动化·编辑器
江瀚视野14 分钟前
阿里认领HappyHorse,全新大模型会带来什么?
人工智能
小程故事多_8015 分钟前
AI Coding 工程化革命,Superpowers 管流程,ui-ux-pro-max 管质感
人工智能·ui·架构·aigc·ai编程·ux·claude code
老刘说AI26 分钟前
Coze:从入门到精通
人工智能·低代码·语言模型·开放原子·知识图谱·持续部署
IT观测32 分钟前
选高低温环境试验箱,品牌、生产商、厂家哪个维度更可靠?
大数据·人工智能