项目设计集合（人工智能方向）：助力新人快速实战掌握技能、自主完成项目设计升级，提升自身的硬实力（不仅限NLP、知识图谱、计算机视觉等领域）：汇总有意义的项目设计集合，助力新人快速实战掌握技能，助力用户更好利用 CSDN 平台，自主完成项目设计升级，提升自身的硬实力。
专栏订阅：项目大全提升自身的硬实力
[专栏详细介绍：项目设计集合（人工智能方向）：助力新人快速实战掌握技能、自主完成项目设计升级，提升自身的硬实力（不仅限NLP、知识图谱、计算机视觉等领域）
手把手教学构建农业知识图谱：农业领域的信息检索+智能问答，命名实体识别，关系抽取，实体关系查询
项目码源见文章顶部或文末
/download/sinat_3967/87982511
1.项目介绍：
效果展示：
目录结构：
.├── MyCrawler// scrapy爬虫项目路径(已爬好)│ └── MyCrawler│ ├── data│ └── spiders├── data\ processing // 数据清洗(已无用)│ └── data├── demo// django项目路径│ ├── Model // 模型层，用于封装Item类，以及neo4j和csv的读取│ ├── demo // 用于写页面的逻辑(View)│ ├── label_data // 标注训练集页面的保存路径│ │ └── handwork│ ├── static // 静态资源│ │ ├── css│ │ ├── js│ │ └── open-iconic│ ├── templates // html页面│ └── toolkit // 工具库，包括预加载，命名实体识别│ └── KNN_predict ├── KNN_predict // KNN算法预测标签├── dfs_tree_crawler// 爬取互动百科农业实体树形结构的爬虫└── wikidataSpider // 爬取wiki中的关系
可复用资源 hudong_pedia.csv : 已经爬好的农业实体的百科页面的结构化csv文件labels.txt： 5000多个手工标注的实体类别predict_labels.txt: KNN算法预测的15W多个实体的类别/wikidataSpider/wikidataProcessing/wikidata_relation.csv: predict_labels.txt中实体在wikidata中对应的三元组关系attributes.csv: 部分实体的属性(互动百科页面中直接得到)wikidataSpider/weatherData/static_weather_list.csv： 气候类型列表wikidataSpider/weatherData/weather_plant.csv：气候与植物的种植关系wikidataSpider/weatherData/city_weather.csv：城市与气候的关系
2.项目配置
0.安装基本环境：
确保安装好python3和Neo4j（任意版本）
安装一系列pip依赖： cd至项目根目录，运行 sudo pip3 install -r requirement.txt
1.导入数据：
将hudong_pedia.csv导入neo4j：开启neo4j，进入neo4j控制台。将hudong_pedia.csv放入neo4j安装目录下的/import目录。在控制台依次输入：
// 将hudong_pedia.csv 导入LOAD CSV WITH HEADERS FROM "file:///hudong_pedia.csv" AS line CREATE (p:HudongItem{title:line.title,image:line.image,detail:line.detail,url:line.url,openTypeList:line.openTypeList,baseInfoKeyList:line.baseInfoKeyList,baseInfoValueList:line.baseInfoValueList}) // 新增了hudong_pedia2.csvLOAD CSV WITH HEADERS FROM "file:///hudong_pedia2.csv" AS line CREATE (p:HudongItem{title:line.title,image:line.image,detail:line.detail,url:line.url,openTypeList:line.openTypeList,baseInfoKeyList:line.baseInfoKeyList,baseInfoValueList:line.baseInfoValueList})
// 创建索引CREATE CONSTRAINT ON (c:HudongItem)ASSERT c.title IS UNIQUE
以上两步的意思是，将hudong_pedia.csv导入neo4j作为结点，然后对titile属性添加UNIQUE（唯一约束/索引）
（如果导入的时候出现neo4j jvm内存溢出，可以在导入前，先把neo4j下的conf/neo4j.conf中的dbms.memory.heap.initial_size 和dbms.memory.heap.max_size调大点。导入完成后再把值改回去）
进入/wikidataSpider/wikidataProcessing中，将new_node.csv,wikidata_relation.csv,wikidata_relation2.csv三个文件放入neo4j的import文件夹中（运行relationDataProcessing.py可以得到这3个文件），然后分别运行
// 导入新的节点LOAD CSV WITH HEADERS FROM "file:///new_node.csv" AS lineCREATE (:NewNode { title: line.title })//添加索引CREATE CONSTRAINT ON (c:NewNode)ASSERT c.title IS UNIQUE//导入hudongItem和新加入节点之间的关系LOAD CSV WITH HEADERS FROM "file:///wikidata_relation2.csv" AS lineMATCH (entity1:HudongItem{title:line.HudongItem}) , (entity2:NewNode{title:line.NewNode})CREATE (entity1)-[:RELATION { type: line.relation }]->(entity2)LOAD CSV WITH HEADERS FROM "file:///wikidata_relation.csv" AS lineMATCH (entity1:HudongItem{title:line.HudongItem1}) , (entity2:HudongItem{title:line.HudongItem2})CREATE (entity1)-[:RELATION { type: line.relation }]->(entity2)
导入实体属性(数据来源: 互动百科)
将attributes.csv放到neo4j的import目录下，然后执行
LOAD CSV WITH HEADERS FROM "file:///attributes.csv" AS lineMATCH (entity1:HudongItem{title:line.Entity}), (entity2:HudongItem{title:line.Attribute})CREATE (entity1)-[:RELATION { type: line.AttributeName }]->(entity2);LOAD CSV WITH HEADERS FROM "file:///attributes.csv" AS lineMATCH (entity1:HudongItem{title:line.Entity}), (entity2:NewNode{title:line.Attribute})CREATE (entity1)-[:RELATION { type: line.AttributeName }]->(entity2);LOAD CSV WITH HEADERS FROM "file:///attributes.csv" AS lineMATCH (entity1:NewNode{title:line.Entity}), (entity2:NewNode{title:line.Attribute})CREATE (entity1)-[:RELATION { type: line.AttributeName }]->(entity2);LOAD CSV WITH HEADERS FROM "file:///attributes.csv" AS lineMATCH (entity1:NewNode{title:line.Entity}), (entity2:HudongItem{title:line.Attribute})CREATE (entity1)-[:RELATION { type: line.AttributeName }]->(entity2) //我们建索引的时候带了label，因此只有使用label时才会使用索引，这里我们的实体有两个label，所以一共做2*2=4次。当然，可以建立全局索引，即对于不同的label使用同一个索引
导入气候名称:
将wikidataSpider/weatherData/static_weather_list.csv放在指定的位置(import文件夹下)
//导入节点LOAD CSV WITH HEADERS FROM "file:///static_weather_list.csv" AS lineMERGE (:Weather { title: line.title })//添加索引CREATE CONSTRAINT ON (c:Weather)ASSERT c.title IS UNIQUE
导入气候与植物的关系
将wikidataSpider/weatherData/weather_plant.csv放在指定的位置(import文件夹下)//导入hudongItem和新加入节点之间的关系LOAD CSV WITH HEADERS FROM "file:///weather_plant.csv" AS lineMATCH (entity1:Weather{title:line.Weather}) , (entity2:HudongItem{title:line.Plant})CREATE (entity1)-[:Weather2Plant { type: line.relation }]->(entity2)导入城市的气候将city_weather.csv放在指定的位置(import 文件夹下)(这步大约需要15分钟左右)//导入城市对应的气候LOAD CSV WITH HEADERS FROM "file:///city_weather.csv" AS lineMATCH (city{title:line.city}) , (weather{title:line.weather})CREATE (city)-[:CityWeather { type: line.relation }]->(weather)
以上步骤是导入爬取到的关系
2.下载词向量模型：（如果只是为了运行项目，步骤2可以不做，预测结果已经离线处理好了）
3.修改Neo4j用户
进入demo/Model/neo_models.py,修改第9行的neo4j账号密码，改成你自己的
4.启动服务
进入demo目录，然后运行脚本：
sudo sh django_server_start.sh
这样就成功的启动了django。我们进入8000端口主页面，输入文本，即可看到以下命名实体和分词的结果（确保django和neo4j都处于开启状态）
2.1农业知识问答
2.2关系查询
修改部分配置信息关系查询中，添加了2个实体间的最短路查询，从而挖掘出实体之间一些奇怪的隐含关系2.3农业实体识别+实体分类
点击实体的超链接，可以跳转到词条页面（词云采用了词向量技术）：
2.3.1实体查询
实体查询部分，我们能够搜索出与某一实体相关的实体，以及它们之间的关系：
2.3.2关系查询
关系查询即查询三元组关系entity1-[relation]->entity2 , 分为如下几种情况:
指定第一个实体entity1指定第二个实体entity2指定第一个实体entity1和关系relation指定关系relation和第二个实体entity2指定第一个实体entity1和第二个实体entity2指定第一个实体entity1和第二个实体entity2以及关系relation
下图所示，是指定关系relation和第二个实体entity2的查询结果
2.4知识的树形结构
农业知识概览部分，我们能够列出某一农业分类下的词条列表，这些概念以树形结构组织在一起：
农业分类的树形图：
2.5训练集标注
我们还制作了训练集的手动标注页面，每次会随机的跳出一个未标注过的词条。链接：http://localhost:8000/tagging-get , 手动标注的结果会追加到/label_data/labels.txt文件末尾：
我们将这部分做成了小工具，可复用：/qq547276542/LabelMarker
(update .04.07) 同样的，我们制作了标注关系提取训练集的工具，如下图所示
如果Statement的标签是对的，点击True按钮；否则选择一个关系，或者输入其它关系。若当前句子无法判断，则点击Change One按钮换一条数据。
说明:Statement是/wikidataSpider/TrainDataBaseOnWiki/finalData中train_data.txt中的数据，我们将它转化成json,导入到mongoDB中。标注好的数据同样存在MongoDB中另一个Collection中。关于Mongo的使用方法可以参考官方tutorial，或者利用这篇文章简单了解一下MongoDB
我们在MongoDB中使用两个Collections，一个是train_data，即未经人工标注的数据；另一个是test_data，即人工标注好的数据。
使用方法: 启动neo4j,mongodb之后，进入demo目录，启动django服务，进入127.0.0.1:8000/tagging即可使用
3.命名实体识别:
使用thulac工具进行分词，词性标注，命名实体识别（仅人名，地名，机构名）
为了识别农业领域特定实体，我们需要：
分词，词性标注，命名实体识别以识别为命名实体（person，location，organzation）的，若实体库没有，可以标注出来对于非命名实体部分，采用一定的词组合和词性规则，在O(n)时间扫描所有分词，过滤掉不可能为农业实体的部分（例如动词肯定不是农业实体）对于剩余词及词组合，匹配知识库中以分好类的实体。如果没有匹配到实体，或者匹配到的实体属于0类（即非实体），则将其过滤掉。实体的分类算法见下文。
3.1实体分类：
3.1.1特征提取：
3.1.2分类器：KNN算法
无需表示成向量，比较相似度即可K值通过网格搜索得到定义两个页面的相似度sim(p1,p2)：
title之间的词向量的余弦相似度(利用fasttext计算的词向量能够避免out of vocabulary)2组openType之间的词向量的余弦相似度的平均值相同的baseInfoKey的IDF值之和（因为‘中文名’这种属性贡献应该比较小）相同baseInfoKey下baseInfoValue相同的个数预测一个页面时，由于KNN要将该页面和训练集中所有页面进行比较，因此每次预测的复杂度是O(n)，n为训练集规模。在这个过程中，我们可以统计各个分相似度的IDF值，均值，方差，标准差，然后对4个相似度进行标准化:(x-均值)/方差上面四个部分的相似度的加权和为最终的两个页面的相似度，权值由向量weight控制，通过10折叠交叉验证+网格搜索得到
3.2 Labels：（命名实体的分类）
4.农业知识图谱关系抽取
使用远程监督方法构建数据集，利用tensorflow训练PCNN模型
4.1关系自动抽取
农业知识图谱关系抽取
data
处理数据集，得到关系抽取需要用到的json文件
步骤:
如果当前文件夹下没有filter_train_data_all_deduplication.txt, 那么进入wikidataSpider目录，根据TrainDataBaseOnWiki/readme.md中所述方法，获得filter_train_data_all_deduplication.txt(生成数据时间比较长，建议用公开数据集测试。使用公开数据集，直接从进入Algorithm,忽略之后所有的操作)运行python dosomething.py filter_dataset得到filtered_data.txt运行python preprocessing.py rel2id得到rel2id.json运行python preprocessing.py dataset.json得到dataset.json运行python preprocessing.py word2vecjson得到word2vec.json运行python preprocessing.py entity2id得到entity2id.json运行python preprocessing.py dataset_split得到train_dataset.json和test_dataset.json
得到的rel2id.json,word2vec.json,entity2id.json,train_dataset.json和test_dataset.json为关系提取算法所需的数据，将其放在algorithm的data/agriculture目录下
4.2 关系提取的算法
关系提取的算法部分,tensorflow实现,代码框架以及PCNN的实现参照/thunlp/OpenNRE
项目码源见文章顶部或文末
/download/sinat_3967/87982511
手把手教学构建农业知识图谱：农业领域的信息检索+智能问答 命名实体识别 关系抽取 实体关系查询
如果觉得《手把手教学构建农业知识图谱：农业领域的信息检索+智能问答 命名实体识别 关系抽取》对你有帮助，请点赞、收藏，并留下你的观点哦！
