CNTexas / ship-kg

船舶规范知识图谱前后端项目

船舶知识图谱

前置依赖

1. 规范文本

2. 词典库

3. neo4j数据库

pip包依赖

• hydra-core 1.0.6
• jieba 0.42.1
• pyltp 0.4.0
• PaddlePaddle 2.0.2
• PyTorch 1.2.0 (>= 1.2)
• py2neo 2020.1.1
• django 2.2
• tensorboard 2.6.0 (>= 2.0)
• matplotlib 3.2.1 (>= 3.1)
• scikit-learn 1.0.2 (>= 0.22)
• transformers 4.1.1 (>= 2.0)
• corsheaders
• xlsxwriter 3.0.2

基于预置知识图谱数据的网站运行方法

1. 运行python manage.py runserver 127.0.0.1:8010

简单流程运行方法

1. 【kg_building/code/main/run】运行python simple_run.py

完整流程运行方法

1. 【kg_building/code/main】运行buildSpecFromRawText.py。基于规范文本(ship_text.txt)解析，生成规范原文.json（包含条目和规范正文）；

2. 【kg_building/code/main】运行extract_main.py。基于规范原文.json，进行知识图谱识别，识别出其中的实体和三元组关系，生成knowledge_triple.json；

3. 【kg_building/code/main】运行filter.py。基于词典库(resource/lexicon.csv)，对knowledge_triple.json进行过滤，把不包含在词典库的关系过滤掉，生成新的lexicon.json；

4. 【kg_building/code/main】运行filter_repeat.py去除lexicon.json中的重复内容，生成lexicon.json；

5. 【kg_building/code/main】运行renew_spec.py。基于规范原文.json和lexicon.json，一个句子可能对应多个三元组，重新梳理，使每个句子的三元组的实体词汇都对应到相应句子中（用于网站标红），生成spec.json；

6. 【neo4jGraph】运行write2neo4j.py。将lexicon.json输入到neo4j，进行知识图谱存储和生成知识图谱（有向的，write2neo4j(undir).py是生成无向图的，即双向的）；

7. 【kg_django】搭建的网站，是基于在neo4j存储的知识图谱（用于知识图谱关键词搜索、路径查询及整体的显示）和spec.json（用于规范原文信息以及标红的显示）。