Python学习笔记（2) Python提取《釜山行》人物关系

参考：http://www.jianshu.com/p/3bd06f8816d7

项目原理：

实验基于简单共现关系，编写 Python 代码从纯文本中提取出人物关系网络，并用Gephi 将生成的网络可视化。下面介绍共现网络的基本原理。（共现网络简单的英文介绍）

共现网络的基本原理：

实体间的共现是是一种基于统计信息的提取，关系密切的人物往往会在文中的多段连续出现，通过文中以出现的实体（人名），计算不同实体共同出现的比率和次数，设定一个阈值，大于该阈值认为实体间存在某种联系。

准备：

环境 windows Python3.6
模块jieba https://github.com/fxsjy/jieba
jephi软件

人名字典 http://labfile.oss.aliyuncs.com/courses/677/dict.txt

《釜山行》中文剧本 http://labfile.oss.aliyuncs.com/courses/677/busan.txt

代码：

# -*- coding: utf-8 -*-
import

os, sys

import jieba, codecs, math

import jieba.posseg as pseg





names = {}       # 姓名字典
relationships = {} # 关系字典
lineNames = []    # 每段内人物关系

# count names
jieba.load_userdict("D:\ResearchContent\Exercise_Programm\PythonExercise\Python\dict.txt")

# 加载字典
with

codecs.open("D:\ResearchContent\Exercise_Programm\PythonExercise\Python\fushan.txt", "r", "utf8") as f

:
for

line in f.readlines()

poss = pseg.cut(line)

# 分词并返回该词词性

lineNames.append([])

# 为新读入的一段添加人物名称列表
for

w in poss

:
if

w.flag

!= "nr" or len

(w.word)

< 2:
continue # 当分词长度小于2或该词词性不为nr时认为该词不为人名

lineNames[

-1

].append(w.word)

# 为当前段的环境增加一个人物
if

names.get(w.word)

is None:

names[w.word] =

relationships[w.word] = {}

         names[w.word]

+= 1

# 该人物出现次数加 1

# explore relationships
for

line in lineNames:

# 对于每一段
for

name1 in line

:
for

name2 in line:

# 每段中的任意两个人
if

name1 == name2:

continue
if

relationships[name1].get(name2) is None:

# 若两人尚未同时出现则新建项

relationships[name1][name2]=

1
else:

relationships[name1][name2] = relationships[name1][name2]

+ 1

# 两人共同出现次数加 1

# output
with

codecs.open("busan_node.txt", "w", "gbk") as f

f.write("Id Label Weight
")

   for name, times in names.items()

f.write(name

+ " " +

name

+ " " + str

(times)

+ "

")



with codecs.open("busan_edge.txt", "w", "gbk") as f

f.write("Source Target Weight
")

   for name, edges in relationships.items()

:
for

v, w in edges.items()

:
if

> 3:

f.write(name

+ " " +

+ " " + str

(w)

+ "

")

参考：

共线网络简单英文介绍https://forec.github.io/2016/10/03/co-occurrence-structure-capture/

Python中文分词：结巴分词http://www.cnblogs.com/kaituorensheng/p/3595879.html

import as 解释：https://www.zhihu.com/question/20871904

修改2