基于Python的海贼王知识图谱构建设计 毕业论文+项目源码

---

《海贼王》知识图谱构建1. 项目背景2. 项目内容3. 数据采集3.1.. 数据来源3.2.. 人物知识图谱构建3.2.1. 抽取通用知识图谱中已有的目标域知识3.2.2. 抽取网页中半结构化的知识3.3.. 关系抽取数据集构建3.1. 数据集统计信息3.4.. 实体关系知识图谱构建4. 知识存储4.1.. 基于RDF 三元组数据库：Apache Jena4.1.3 SPARQL查询示例4.2.. 基于原生图数据库：Neo4j4.2.1. Neo4j简介4.2.3. Cypher查询示例5. 知识抽取5.1.. 数据转换&标注统计5.2.. 训练5.3.. 训练结果6.1. 图计算6.1.1. 人物网络分析6.1.2. 关键节点6.1.3. 节点中心度6.1.4. 社区发现6.1.5. PageRank  6.2. 知识推理7. 知识应用7.1.. 智能问答7.1.1. 支持的问题类型7.1.2. 查询示例7.2.. 知识图谱可视化参考资料1.项目背景《海贼王》(英文名ONE  PIECE)  是由日本漫画家尾田荣一郎创作的热血少年漫画，因为其宏大的世界观、丰富的人物设定、精彩的故事情节、草蛇灰线的伏笔，受到世界各地的读者欢迎，截止2019年11   月7日，全球销量突破4亿6000万本 1 ，并被吉尼斯世界纪录官方认证为“世界上发行量最高的单一作者创作的系列漫画” 2 。《海贼王》从1997年开始连载至今，以及将近22年，在900多话的漫画中大量性格鲜明的角色相继登     场，故事发生的地点也在不断变化，这既给我们带来阅读的乐趣，同时也为我们梳理故事脉络带来了挑 战。本次任务试图为《海贼王》中出现的各个实体，包括人物、地点、组织等，构建一个知识图谱，帮助我 们更好的理解这部作品。2.项目内容本项目内容包括数据采集、知识存储、知识抽取、知识计算、知识应用五大部分1.数据采集本次项目主要采集构建了两个知识图谱和一个关系抽取数据集人物知识图谱：主要包含各个人物的信息关系抽取数据集：标注出自然语言中存在的实体以及他们之间的关系实体关系知识图谱：构建《海贼王》中各个实体之间关系的知识图谱2.知识存储尝试使用了三元组数据库Apace Jena和原生图数据库Neo4j，并分别使用RDF结构化查询语言SPARQL和属性图查询语言Cypher，在知识图谱上进行查询。3.知识抽取基于之间构建的关系抽取数据集，利用deepke中提供的工具进行关系抽取实践，测试了包括PCNN、GCN、BERT等模型在我们构建数据集上的效果4.知识计算图计算：在Neo4j上对实体关系知识图谱进行了图挖掘，包括最短路径查询、权威结点发 现、社区发现等知识推理：在Apache Jena上对关系知识图谱进行了知识推理，补全了一部分的数据5.知识应用智能问答：基于REfO实现一个对于《海贼王》中人物的知识库问答系统(KBQA)。可视化图片：通过D3对实体关系图片进行可视化，并整合了人物知识图谱中的信息，进行展示。