无图谱不AI之三元组数据保存Neo4j

1. 代码学习

1.1 源代码

# -*- coding: utf-8 -*-
from py2neo import Node, Graph, Relationship


# 可以先阅读下文档：https://py2neo.org/v4/index.htm
class DataToNeo4j(object):
    """将excel中数据存入neo4j"""

    def __init__(self):
        """建立连接"""
        link = Graph("http://localhost:7474/", username="neo4j", password="root")
        self.graph = link
        # self.graph = NodeMatcher(link)
        self.graph.delete_all()

    def create_spo(self, result):
        # 创建节点, 和关系
        start = Node('temp', name=result[0])
        end = Node('temp', name=result[2])
        self.graph.create(start)
        self.graph.create(end)
        r1 = Relationship(start, result[1], end)
        self.graph.create(r1)


from ltp import LTP

ltp = LTP()


# 使用语义角色标注构建和抽取关系
def srl_AtoA(sent):
    # 句子进行分词操作
    seg, hidden = ltp.seg([sent])
    seg = seg[0]
    print(seg)
    srl = ltp.srl(hidden, keep_empty=False)[0]
    print(srl)
    results = []
    for s in srl:
        key = s[0]
        values = s[1]
        start, end = '', ''
        for value in values:
            print('value:', value)
            if value[0] == 'A0':
                start = ''.join(seg[value[1]:value[2] + 1])
            if value[0] == 'A1':
                end = ''.join(seg[value[1]:value[2] + 1])
        if start != '' and end != '':
            results.append([start, seg[key], end])
    return results

# 分句操作
sents = ltp.sent_split(
    ["该僵尸网络包含至少35000个被破坏的Windows系统，攻击者和使用者正在秘密使用这些系统来开采Monero加密货币。该僵尸网络名为“ VictoryGate”，自2019年5月以来一直活跃。"])
spo = DataToNeo4j()
for sent in sents:
    print(sent)
    results = srl_AtoA(sent)
    print(results)
    for result in results:
        spo.create_spo(result)
    print('-' * 100)

1.2 代码解读

这段代码的主要目的是将文本信息中的实体和它们之间的关系抽取出来，并将这些信息存储到Neo4j数据库中。Neo4j是一个图形数据库，专门用于处理数据之间的关系。代码包括两个主要部分：与Neo4j交互的部分和文本处理部分。

与Neo4j交互：
- 类 DataToNeo4j 用于连接Neo4j数据库并操作数据。
- 在 __init__ 方法中，通过Graph对象建立了与Neo4j数据库的连接。
- create_spo 方法用于创建节点和关系。它接受一个包含三个元素的列表 result，分别代表起始节点、关系和终止节点。这个方法首先创建两个节点（起始和终止），然后在这两个节点之间创建一个关系。
文本处理：
- 使用了LTP（语言技术平台）库来处理文本。
- srl_AtoA 函数接受一个句子，使用LTP库进行分词和语义角色标注。
- 语义角色标注的结果用于识别句子中的主要实体（A0和A1标记的部分）以及这些实体之间的关系。
- 这些识别出的实体和关系被组织成一个列表，并返回。

代码的工作流程如下：

首先，LTP库用于分句和分词，并对句子进行语义角色标注。
对于每个句子，srl_AtoA 函数被用来提取实体和它们之间的关系。
提取出的实体和关系被发送到 DataToNeo4j 对象。
DataToNeo4j 对象使用这些数据在Neo4j数据库中创建相应的节点和关系。

这个过程有效地将自然语言文本中的实体和关系转换为图数据库中的节点和边，便于进行复杂的关系查询和分析。

赵孝正

无图谱不AI之三元组数据保存Neo4j

目录

1. 代码学习

1.1 源代码

1.2 代码解读