Agriculture_KnowledgeGraph
demo：http://ecnukg.vicp.io
github：/qq547276542/Agriculture_KnowledgeGraph
欢迎star&fork~
命名实体识别
进入主页面，输入文本，即可看到以下命名实体和分词的结果（确保django和neo4j都处于开启状态）：
点击实体的超链接，可以跳转到词条页面：
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-1arFxxGY-1575030509534)(/qq547276542/blog_image/master/agri/3.png)]
关系查询
关系查询部分，我们能够搜索出与某一实体相关的实体，以及它们之间的关系：
知识的树形结构
农业知识概览部分，我们能够列出某一农业分类下的词条列表，这些概念以树形结构组织在一起：
农业分类的树形图：
训练集标注
我们还制作了训练集的手动标注页面，每次会随机的跳出一个未标注过的词条。链接：http://localhost:8000/tagging-get , 手动标注的结果会追加到/label_data/labels.txt文件末尾：
思路
图谱实体获取：
1.根据19000条农业网词条，按照筛法提取名词（分批进行，每2000条1批，每批维护一个不可重集合）
2.将9批词做交集，生成农业词典
3.将词典中的词在互动百科中进行爬取，抛弃不存在的页面，提取页面内容，存到数据库中
4.根据页面内容，提取每一个词条页面的特征，构造相似度的比较方法，使用KNN进行分类
5.最后获取每个词条的所属类别，同时能够剔除不属于农业的无关词条
命名实体识别：
使用thulac工具进行分词，词性标注，命名实体识别（仅人名，地名，机构名）
为了识别农业领域特定实体，我们需要：
分词，词性标注，命名实体识别以识别为命名实体（person，location，organzation）的，若实体库没有，可以标注出来对于非命名实体部分，采用一定的词组合和词性规则，在O(n)时间扫描所有分词，过滤掉不可能为农业实体的部分（例如动词肯定不是农业实体）对于剩余词及词组合，匹配知识库中以分好类的实体。如果没有匹配到实体，或者匹配到的实体属于0类（即非实体），则将其过滤掉。实体的分类算法见下文。
