资源简介
基于知识图谱的自动问答系统,有代码,和说明文档,大家可以看看.很很好的知识图谱的入门案例代码
代码片段和文件信息
# encoding=utf-8
“““
@author: SimmerChan
@contact: hsl7698590@gmail.com
@file: movie_crawler.py
@time: 2017/12/19 13:23
@desc:
利用The Movie DB(https://www.themoviedb.org)提供的API接口获取周星驰及其相关演员的基本信息和参演电影的基本信息。
数据保存在Mysql中。
“““
import requests
import json
from crawler.tradition2simple import traditional2simple
import re
import pymysql
import time
api_key = ‘your_api_key‘
person_detail_url = ‘https://api.themoviedb.org/3/person/{person_id}?api_key={api_key}&language=zh-cn‘
movie_cast_url = ‘https://api.themoviedb.org/3/movie/{movie_id}/credits?api_key={api_key}‘
person_movie_detail_url = ‘https://api.themoviedb.org/3/person/{person_id}/movie_credits?api_key={api_key}&language=zh-cn‘
all_movie_genres_url = ‘https://api.themoviedb.org/3/genre/movie/list?api_key={api_key}&language=zh-cn‘
chinese_pattern = re.compile(u“[\u4e00-\u9fa5]+“) # 用于查找汉字,选取演员的中文名
# TODO 连接本地mysql的CBDB数据库
mysql_db = pymysql.connect(host=“localhost“ user=“root“ db=“kg_demo_movie“ use_unicode=True charset=“utf8mb4“)
mysql_cursor = mysql_db.cursor()
# TODO 插入语句模板
insert_person_command = ‘insert into person (person_english_name person_name person_biography person_birth_place person_id person_birth_day person_death_day) values (%s %s %s %s %s %s %s)‘
insert_movie_command = ‘insert into movie (movie_title movie_introduction movie_rating movie_id movie_release_date) values (%s %s %s %s %s)‘
insert_person_movie_command = ‘insert into person_to_movie (person_id movie_id) values (%s %s)‘
insert_movie_genre_command = ‘insert into movie_to_genre (movie_id genre_id) values (%s %s)‘
insert_genre_command = ‘insert into genre (genre_id genre_name) values (%s %s)‘
def get_all_genres():
“““
获取所有的电影类型
:return:
“““
r = requests.get(all_movie_genres_url.format(api_key=api_key))
json_result = json.loads(r.content)
genres = json_result[‘genres‘]
genre_list = list()
for g in genres:
genre_list.append((g[‘id‘] g[‘name‘]))
return genre_list
def get_movie_cast(movie_id):
# type: (int) -> list
“““
获取此电影所有参演演员的ID
:param movie_id:
:return:
“““
cast_list = list()
r = requests.get(movie_cast_url.format(movie_id=movie_id api_key=api_key))
json_result = json.loads(r.content)
movie_cast = json_result[‘cast‘]
for cast in movie_cast:
cast_list.append(cast[‘id‘])
return cast_list
def get_person_detail(person_id):
“““
获取该演员的基本信息
:param person_id:
:return:
“““
detail_list = list()
r = requests.get(person_detail_url.format(person_id=person_id api_key=api_key))
json_result = json.loads(r.content)
try:
detail_list.append(json_result[‘name‘].strip())
except KeyError:
detail_list.append(None)
exist_chinese_name = False
for tmp in json_result[‘also_known_as‘]:
if chinese_pattern.search(tmp):
detail_list.append(traditional2simple.tradition2simple(tmp.strip()))
exist_chinese_
属性 大小 日期 时间 名称
----------- --------- ---------- ----- ----
目录 0 2018-06-01 16:09 基于知识图谱的自动问答系统\
文件 265 2018-01-28 11:10 基于知识图谱的自动问答系统\catalog-v001.xm
目录 0 2018-06-01 20:29 基于知识图谱的自动问答系统\data\
文件 10547 2018-01-28 11:10 基于知识图谱的自动问答系统\data\ER_diagram.mwb
文件 1757163 2018-06-01 20:29 基于知识图谱的自动问答系统\data\kg_demo_movie.sql
文件 1527 2018-01-28 11:10 基于知识图谱的自动问答系统\fuseki_conf.ttl
目录 0 2018-06-01 16:09 基于知识图谱的自动问答系统\kg_demo_movie\
文件 8915766 2018-01-28 11:10 基于知识图谱的自动问答系统\kg_demo_movie.nt
目录 0 2018-06-01 16:09 基于知识图谱的自动问答系统\kg_demo_movie\.idea\
目录 0 2018-06-01 16:09 基于知识图谱的自动问答系统\kg_demo_movie\.idea\inspectionProfiles\
文件 228 2018-01-28 11:10 基于知识图谱的自动问答系统\kg_demo_movie\.idea\inspectionProfiles\profiles_settings.xm
文件 459 2018-01-28 11:10 基于知识图谱的自动问答系统\kg_demo_movie\.idea\kg_demo_movie.iml
文件 213 2018-01-28 11:10 基于知识图谱的自动问答系统\kg_demo_movie\.idea\misc.xm
文件 278 2018-01-28 11:10 基于知识图谱的自动问答系统\kg_demo_movie\.idea\modules.xm
文件 31453 2018-01-28 11:10 基于知识图谱的自动问答系统\kg_demo_movie\.idea\workspace.xm
目录 0 2018-06-01 16:09 基于知识图谱的自动问答系统\kg_demo_movie\crawler\
文件 9495 2018-01-28 11:10 基于知识图谱的自动问答系统\kg_demo_movie\crawler\movie_crawler.py
目录 0 2018-06-01 16:09 基于知识图谱的自动问答系统\kg_demo_movie\crawler\tradition2simple\
文件 7953 2018-01-28 11:10 基于知识图谱的自动问答系统\kg_demo_movie\crawler\tradition2simple\langconv.py
文件 283 2018-01-28 11:10 基于知识图谱的自动问答系统\kg_demo_movie\crawler\tradition2simple\traditional2simple.py
文件 143251 2018-01-28 11:10 基于知识图谱的自动问答系统\kg_demo_movie\crawler\tradition2simple\zh_wiki.py
文件 129 2018-01-28 11:10 基于知识图谱的自动问答系统\kg_demo_movie\crawler\tradition2simple\__init__.py
文件 129 2018-01-28 11:10 基于知识图谱的自动问答系统\kg_demo_movie\crawler\__init__.py
目录 0 2018-06-01 16:09 基于知识图谱的自动问答系统\kg_demo_movie\KB_query\
目录 0 2018-06-01 16:09 基于知识图谱的自动问答系统\kg_demo_movie\KB_query\external_dict\
文件 490 2018-01-28 11:10 基于知识图谱的自动问答系统\kg_demo_movie\KB_query\external_dict\csv2txt.py
文件 31633 2018-01-28 11:10 基于知识图谱的自动问答系统\kg_demo_movie\KB_query\external_dict\movie_ti
文件 38267 2018-01-28 11:10 基于知识图谱的自动问答系统\kg_demo_movie\KB_query\external_dict\movie_ti
文件 2425 2018-01-28 11:10 基于知识图谱的自动问答系统\kg_demo_movie\KB_query\external_dict\person_name.csv
文件 3171 2018-01-28 11:10 基于知识图谱的自动问答系统\kg_demo_movie\KB_query\external_dict\person_name.txt
文件 133 2018-01-28 11:10 基于知识图谱的自动问答系统\kg_demo_movie\KB_query\external_dict\__init__.py
............此处省略13个文件信息
- 上一篇:打靶法求解两点边值问题
- 下一篇:Neo4j3.4说明文档
相关资源
- 企业级大数据知识图谱产品的构建及
- 大规模知识图谱数据存储
- mantis入门使用介绍PPT
- 基于ofdm系统的qam软判决算法的研究与
- 知识图谱实现步骤和方法
- 基于知识图谱的问答系统关键技术研
- 中文信息处理发展报告2016+知识图谱发
- 知识图谱在司法领内的尝试与应用
- 领域知识图谱构建 Domain-Specific Knowl
- QAC用户详细指导手册
- 百度知识图谱新进展64页ppt百度知心系
- 16QAM.zip
- 数字通信系统中BPSK/ 4-QAM调制与脉冲成
-
Freeba
se-FB13 - 知识图谱_数据融合 (DataMatching)
- 国外近十年深度学习的研究现状与发
- 知识图谱综述研究进展
- HP 惠普 AMTOOLS.iso 用于HP电脑AMT设置
- 4QAM 方式OFDM labview
- FB15k-237.zip
- 基于神经网络的问答系统
- 包含背景知识和问答的问答系统训练
- 东南大学 崇志宏:非结构数据存储和
- 7620QAtool改wifi MAC地址
-
QT调用tts实现文本转语音QAxob
ject - 知识图谱技术原理介绍
- 基于知识图谱表示学习的协同过滤推
- 基于知识图谱的问答系统综述
- 16QAM调制解调系统的FPGA实现
- 基于知识图谱的问答系统
评论
共有 条评论