知识图谱，在经过一个大体的网上资料的搜索之后，简单的来说它是由实体节点和实体之间的关系组成的一个图结构。
根据网上了解到的这种关系，在使用neo4j构建知识图谱之前，我决定利用python中的networkx工具来自己构建一个知识图谱，以此来加深自己对于知识图谱的关系之后，再学习neo4j构建知识图谱并将其应用到实际的例子中。
networkx是一个处理复杂图结构的一个python工具，一般用在网络拓扑结构的处理当中。在将其转化为知识图谱的过程中，我们需要添加节点之间的关系，经过上述的简单分析，我们开始一个最简单的知识图谱的构建过程。
在构建之前，简单了解networkx提供的函数。
因为networkx相对于neo4j的安装更加容易，且在使用的过程中更加方便。所以暂时先以networkx作为接触知识图谱的一个例子。networkx为我们处理复杂网络提供了特别简单的函数调用，且声明简介易懂。
导入networkx
import networkx as nx
创建有向图
DG = nx.DiGraph()
创建无向图
G = nx.Graph()
创建多重无向图
MG = nx.MultiGraph()
创建多重有向图
MDG = nx.MultiDigraph()
清空图
G.clear()
添加节点
G.add_node(node)
添加边
G.add_edge(node1,node2[,weight])
删除节点
G.remove_node(node)
获得前驱节点
G.predecessors(node)
获得后继节点
G.successors(node)
分配节点属性
G.node[node]['attribute'] = 'info'
添加图属性
G.graph['attribute'] = 'info'
添加边属性
G[node1][node2]['attribute'] = 'info'
迪杰斯特拉求最短路径
dijkstra_path(G, source, target, weight='weight')
求最短距离
dijkstra_path_length(G, source, target, weight='weight')
图的所有边,以元组的列表为结果
F.edges([,date=True])
图的所有节点
G.nodes([,data=True])
获得邻居节点
G.neighbors(node)
了解了networkx的一些基本的函数之后，现在开始一个简单的知识图谱构建的过程。
在构建知识图谱之前，我们得准备一些预料或者知识网络来开始构建我们的知识图谱，那么就以一个简单的知识网络为例子。
已知张三是李四的朋友，张三现任职于贪心科技（其中张三和李四的关系），根据这种图中所展示的关系，我们对这个社交网络进行还原并构建为networkx中的网络拓扑结构。
那么我们开始构建一个图，由图可以分析得到这是一个有向图。（构建的网络是一个有向图而不是无向图，因为节点和节点之间的关系是有向的，即使通常我们在认为A和B是朋友的这种情况通常来说是双向的，但也有可能A认为B是自己的朋友，而B却不认为A是自己的朋友的这种情况）
并将展示可能用到的函数都构造成一个函数，以便以后能够通用。
#!/usr/bin/env python
# -*- coding:utf-8 -*-
# @Time : 2020/7/11 13:32
# @Author: hdq
# @File : simple_knowledge.py
import networkx as nx
#添加双向关系
def add_double_edge(digraph: nx.DiGraph, node1, node2, info=None, relation='relation'):
digraph.add_edge(node1, node2)
digraph.add_edge(node2, node1)
digraph[node2][node1][relation] = info
digraph[node1][node2][relation] = info
#添加单向关系
def add_edge(digraph: nx.DiGraph, node1, node2, info=None, relation='relation'):
digraph.add_edge(node1, node2)
digraph[node1][node2][relation] = info
#获取边的全部relation
def get_edges_relation(digraph: nx.DiGraph,relation="relation"):
result = []
for one in digraph.edges(data=True):
result.append(one[2][relation])
return set(result)
#获取为relation为info的所有边
def get_relation_edges(digraph: nx.DiGraph,info=None,relation="relation"):
result = []
for one in digraph.edges(data=True):
if (one[2][relation] == info):
result.append((one[0],one[1]))
return set(result)
#添加节点属性
def add_node_attribute(digraph: nx.DiGraph,nodelist,info=None):
digraph.add_nodes_from(nodelist,attribute=info)
#获取全部节点的attribute
def get_nodes_attribute(digraph: nx.DiGraph):
result=[]
for one in digraph.nodes(data=True):
result.append(one[1]["attribute"])
return set(result)
#获取attribute为info的所有节点
def get_attribute_nodes(digraph: nx.DiGraph,info=None):
result=[]
for one in digraph.nodes(data=True):
if(one[1]["attribute"]==info):
result.append(one[0])
return set(result)
#创建有向图
G = nx.DiGraph()
#添加节点及其属性
add_node_attribute(G,['张三','李四','小五','小四'],'人')
add_node_attribute(G,['贪心科技','腾讯'],'公司')
print("所有的节点属性:",get_nodes_attribute(G))
print("所有属性为公司的节点:",get_attribute_nodes(G,"公司"))
print("所有属性为人的节点:",get_attribute_nodes(G,"人"))
print("当前所有节点信息:",G.nodes(data=True))
#添加属性间的关系
add_double_edge(G,'张三','李四','朋友')
add_edge(G,'张三','贪心科技','现任职于')
add_edge(G,'小五','贪心科技')
add_double_edge(G,'小五','小四','同事')
add_edge(G,'小五','腾讯','现任职于')
add_edge(G,'小四','腾讯','曾任职于')
print("所有边的属性:",get_edges_relation(G))
print("所有属性为朋友的边:",get_relation_edges(G,"朋友"))
print("当前所有边信息:",G.edges(data=True))
print("张三和李四的关系:",G['张三']['李四']['relation'])
上述代码运行的结果：
