基于50W携程出行攻略构建事件图谱（含码源）：交通工具子图谱、订酒店吃饭事件图谱等

• 项目构成
  本项目由两个部分的组成,具体包括语料的获取以及基于语料的事件挖掘两个部分,具体项目目录包括:news_spider:基于scrapy的游记采集脚本event_graph:基于依存句法与顺承模式的顺承事件抽取脚image:游记顺承事件图谱效果图

1.出行领域语料的获取

1) 语料来源:携程出行攻略
2) 时间范围:2018年7月14日之前
3) 采集方式:使用scrapy编写爬虫脚本进行抓取
4) 采集规模:共采集505767篇，量级50W　　 5) 采集脚本目录:news_spider/travelspider
6) 语料举例:

       107330 一路向南——第二篇相逢南通（自驾游） - 游记攻略【携程攻略】        107331 彩云之南—云上的蜜月之旅 - 丽江游记攻略【携程攻略】        107332 甘肃游记之玛曲郎木寺 - 碌曲游记攻略【携程攻略】        

2.基于出行语料的顺承事件图谱构建

2.1, 顺承事件的抽取

• event_extract.py, 思想步骤如下:
  1) 输入游记文本
  2) 对游记进行长句切分
  3) 基于构造的顺承关系模板,进行顺承前后部分提取, 转入4)
  4) 对3)得到的部分进行短句处理,转入5)
  5) 对4)得到的短句进行谓词性短语提取
  6) 对5)得到的谓词性短语向上汇聚,得到一个长句的谓词性短语有序集合
  7) 对6)步骤得到的谓词性短语集合,以滑窗方式构造顺承关系事件对
  8) 对步骤7)得到的顺承事件对进行汇总,最终得到顺承事件库
  9) 对8)进行事件进行整合,去除过低频次的事件,构造标准顺承关系库

2.2, 顺承事件图谱的展示

10)使用VIS插件进行顺承关系图谱构建与展示, eventgraph.py 11)由于VIS作为一个封装的JS库,因此生成的顺承图谱在项目中暂时设置到500,见travelevent_graph.html

3.顺承关系图谱效果

3.1 总体图谱样式

以500个顺承事件, 进行顺承事件图谱展示,结果是一张事件网络,这是一个大的顺承关系图谱,由众多小子图谱构成

3.2 去丽江子图谱

该子图谱围绕"去丽江旅游"这一出行事件为核心形成的事件群:

3.3飞机路线子图谱

该子图谱显示了选择飞机进行出行形成的事件序列

3.4火车路线子图谱

该子图谱显示了选择火车进行出行形成的事件序列

3.5订酒店事件图谱

该子图谱描述了一个"预定酒店不愉快事件",从预定到失望到总结,在这条顺承事件链表现出来

3.6做饭事件图谱

该子图谱表示了一个"做饭"场景下的顺承事件,感觉也很有意思

4.总结

1) 该项目只是一个基于50W文章领域语料,运用简单提取方式形成的顺承关系图谱demo,还有很多不足
2) 该项目目前是形成了事件节点为326781个, 顺承事件对为543580条,分别为30W和50W的图谱规模
3) 对于谓词性短语进行事件表示是事件表示的一种方式,本方法只采用VOB关系进行提取,这种方式还有待改进
4) 以3)得到的结果中,还存在大量噪声,这一方面准确率受依存句法的准确性限制,另一方面该依存关系可能还相对单一,不够准确 5) 在构造顺承事件序列的方法,本项目采用的是长句为单位下的滑窗方式进行构造,这个方式还有待改进
6) 基于目前形成的顺承关系图谱还有待于进一步挖掘,可以在此基础上完成更多有价值的信息挖掘

项目码源链接

[链接跳转] (https://blog.csdn.net/sinat_39620217/article/details/131824583)