基于neo4j,django,pytorch,py2neo的电影图谱及问答

功能主要包括实体识别、实体查询、关系查询以及问答几个模块。
项目中用到的数据来自网上公开数据集
前端页面参考：https://github.com/qq547276542/Agriculture_KnowledgeGraph，在此表示非常感谢。

准备及构建实体及关系

note:以下数据导入是在Neo4j控制台上完成，将数据data/node与data/relation放入neo4j安装目录下import文件夹下：

一.为id创建唯一索引

1.create constraint on (c:Country) assert c.id is unique

2.create constraint on (m:Movie) assert m.id is unique

3.create constraint on (p:Person) assert p.id is unique

二.为name创建索引

1.create index on :Country(name)

2.create index on :Movie(name)

3.create index on :Person(name)

三.创建node

1.Country节点
call apoc.periodic.iterate(
                            'call apoc.load.csv("node/Country.csv",{header:true,sep:",",ignore:["label"]}) yield map as row return row',
                            'create(p:Country) set p=row',
                            {batchSize:1000,iterateList:true, parallel:true})

2.Movie节点
call apoc.periodic.iterate(
                            'call apoc.load.csv("node/Movie.csv",{header:true,sep:",",ignore:["label"]}) yield map as row return row',
                            'create(p:Movie) set p=row',
                            {batchSize:1000,iterateList:true, parallel:true})

3.Person节点
call apoc.periodic.iterate(
                            'call apoc.load.csv("node/Person.csv",{header:true,sep:",",ignore:["label"]}) yield map as row return row',
                            'create(p:Person) set p=row',
                            {batchSize:1000,iterateList:true, parallel:true})

四.创建relation

1.关系：Movie-[:ACTOR]->Person
call apoc.periodic.iterate(
                    'call apoc.load.csv( "relation/actor.csv",{header:true,sep:","}) yield map as row match (start:Movie{id:row.start_id}), (end:Person{id:row.end_id}) return start,end',
                    'create (start)-[:ACTOR]->(end)',
                    {batchSize:1000,iterateList:true, parallel:false})

2.关系：Movie-[:COMPOSER]->Person
call apoc.periodic.iterate(
                    'call apoc.load.csv( "relation/composer.csv",{header:true,sep:","}) yield map as row match (start:Movie{id:row.start_id}), (end:Person{id:row.end_id}) return start,end',
                    'create (start)-[:COMPOSER]->(end)',
                    {batchSize:1000,iterateList:true, parallel:false})

3.关系：Movie-[:DIRECTOR]->Person
call apoc.periodic.iterate(
                    'call apoc.load.csv( "relation/director.csv",{header:true,sep:","}) yield map as row match (start:Movie{id:row.start_id}), (end:Person{id:row.end_id}) return start,end',
                    'create (start)-[:DIRECTOR]->(end)',
                    {batchSize:1000,iterateList:true, parallel:false})

4.关系：Movie-[:DISTRICT]->Country
call apoc.periodic.iterate(
                    'call apoc.load.csv( "relation/district.csv",{header:true,sep:","}) yield map as row match (start:Movie{id:row.start_id}), (end:Country{id:row.end_id}) return start,end',
                    'create (start)-[:DISTRICT]->(end)',
                    {batchSize:1000,iterateList:true, parallel:false})

五.安装pyhanlp用作分词与实体识别

1.下载hanlp模型和hanlp的jar包放在目录Anaconda3Libsite-packagespyhanlpstatic

2.在路径Anaconda3Libsite-packagespyhanlpstaticdatadictionarycustom下放以下文件(data/custom_dict/演员名.txt,data/custom_dict/电影名.txt,data/custom_dict/电影类型.txt,data/custom_dict/other.txt)，当自定义词典
    演员名.txt
    电影名.txt
    电影类型.txt
    other.txt
    
3.修改自定义词典配制D:Anaconda3Libsite-packagespyhanlpstatichanlp.properties
    CustomDictionaryPath=data/dictionary/custom/CustomDictionary.txt; 现代汉语补充词库.txt; 全国地名大全.txt ns; 人名词典.txt; 机构名词典.txt; 上海地名.txt ns; 电影类型.txt ng; 电影名.txt nm; 演员名.txt nnt; other.txt;data/dictionary/person/nrf.txt nrf;

项目结构

.
├── data
│   ── custom_dict // 常规数据
│    ── node  // 电影node数据
│   ── relation   // 电影relation数据 
│
├── intent_classification
│   ── classification_data //意图识别训练数据
│    ── pytorch  // 神经网络分类模型
│   ── scikit_learn   // 传统机器学习模型 
│       
├── movie_kg     // django项目路径
│   ├── Model  // 模型层，用于和neo4j交互，实现查询等核心功能
│   ├── movie_kg   // 用于写页面的逻辑(View)
│   ├── static    // 静态资源
│   ├── templates   // html页面
│   └── util   // 包括预加载一些数据和模型
.

功能模块

一.实体实别

主要识别人物、地名、机构、电影名以及明星名

二.实体查询

输入电影名或演员名会图谱化展示直接关系

三.关系查询

4种主要实体关系：actor、composer、director、district
可以选择不同的关系类型，输入电影名或演员名，给个图谱展示

四.电影问答

1.利用分类模型对用户输入的问题进行意图识别

(1).训练数据在目录 intent_classificationclassification_dataclassification_segment_data.txt

(2).总共16个意图类别，见目录 intent_classificationclassification_dataquestion_classification.txt

(3).分类模型有很多，这里使用pytorch中的前馈网络进行分类训练
    训练代码：intent_classificationpytorchfeedforward_network	rain.ipynb
    
    预测代码：intent_classificationpytorchfeedforward_networkpredict.ipynb

2.将识别的意图转为cypher语言，在neo4j中进行查询得到答案
    利用分类模型预测用户提问的意图类别，将不同的意图类别转换为不同的cypher语言，从neo4j中查询得到答案。

后续......

1.利用pytorch的深度模型做实体识别
2.增加更多训练数据，尝试利用其它深度模型作意图识别，如textcnn，bert等
3.增加一个页面，给一篇关于电影的新闻，利用深度模型自动抽取实体和关系，并图谱化展示
4.增加多轮对话功能
5.增加闲聊功能
...

作者的qq，如您有什么想法可以和作者联系：2229029156

如果您支持作者继续开发更加完善的功能，请动一动手为此项目打个星吧或fork此项目，这是对作者最大的鼓励

完整项目见：https://github.com/jiangnanboy/movie_knowledge_graph_app