把文本内容生成知识图谱，python代码

生成知识图谱是指根据文本内容构建知识图谱的过程。这通常需要进行文本挖掘和信息抽取，提取出文本中的实体和关系，并将其转化为知识图谱的节点和边。

在 Python 中，可以使用第三方库来帮助生成知识图谱。例如，可以使用 Gensim 库中的 Word2Vec 模型来提取文本中的词向量，再使用 NetworkX 库来构建知识图谱。

以下是一个简单的示例代码，假设已经有一个包含文本内容的列表 texts：

```python import gensim import networkx as nx

对文本进行分词，并建立词典

dictionary = gensim.corpora.Dictionary(texts)

使用词典将文本转化为词袋表示

corpus = [dictionary.doc2bow(text) for text in texts]

使用 Word2Vec 模型训练词向量

model = gensim.models.Word2Vec(corpus, size=100, window=5, min_count=5, workers=4)

建立空的知识图谱

G = nx.Graph()

遍历文本中的所有词，并将其添加到知识图谱中

for word in model.wv.vocab: G.add_node(word, embedding=model[word])

遍历文本中的所有句子，并根据词向量计算相似度

for text in texts: for i, word in enumerate(text): for j, other in enumerate(text): if i == j: continue similarity = model.wv.similarity(word, other) if similarity > 0.5: G.add_edge(word