一味宠爱 知识图谱：一种从文本中挖掘信息的强大数据科学技术( 三 )
我建议对此实现使用GoogleColab ， 以加快计算时间 。
导入库
读取数据
读取包含Wikipedia句子的CSV文件：
Output:
让我们检查一些示例句子：
Output:
主要思想是通过句子 ， 并在遇到主语和宾语时提取它们 。 但是 ， 存在一些挑战?–一个实体可以跨越多个单词 ， 例如“redwine” ， 并且依赖解析器仅将单个单词标记为主语或宾语 。
因此 ， 我在下面创建了一个函数来从句子中提取主语和宾语(实体) ， 同时也克服了上述挑战 。 为了方便起见 ， 我将代码分为多个块：
让我解释一下上面函数中的代码块：chunk1:我在此块中定义了一些空变量 。 prvtokdep和prvtoktext将分别保存句子中前一个单词和上一个单词本身的依赖项标签 。 prefix和modifier将保存与主语或宾语关联的文本 。 chunk2:接下来 ， 我们将遍历句子中的标记 。 我们将首先检查标记是否为标点符号 。 如果是 ， 那么我们将忽略它并继续下一个标记 。 如果标记是复合词的一部分(dependencytag=“compound”)=“compound”) ， 我们将其保留在prefix变量中 。 复合词是由多个词组成的组合 ， 这些词链接在一起形成具有新含义的词(例如 ， “FootballStadium”,“animallover”) 。
当我们遇到句子中的一个主语或宾语时 ， 我们将在其前面加上这个prefix 。 修饰词来也会做同样的操作 ， 例如“niceshirt”,“bighouse”等 。
chunk3:在这里 ， 如果标记是主语 ， 那么它将被捕获作为第一个实体存储在ent1变量中 ， prefix,modifier,prvtokdep,和prvtoktext等变量将被重置 。
chunk4:在这里 ， 如果标记是宾语 ， 那么它将被捕获作为第二个实体存储在ent2变量中 。 prefix,modifier,prvtokdep,和prvtoktext等变量将再次被重置 。
chunk5:一旦捕获了句子中的主语和宾语 ， 我们将更新先前的标记及其依赖项标签 。
让我们在一个句子上测试此函数：
Output:
目前都在在按计划进行中 。 在以上句子中 ， ‘film’是主语 ， “200patents”是宾语 。 现在 ， 我们可以使用此函数为数据中的所有句子提取这些实体对：
Output:
推荐阅读
![[微娱乐世界]陈乔恩锁骨放鸡蛋，他放32枚币：我不配当女生，娄艺潇锁骨放口红](https://imgcdn.toutiaoyule.com/20200418/20200418154854809574a_t.jpeg)
