用Python分析《都挺好》中的人物关系

如今大火的电视剧《都挺好》源于阿耐的同名小说，今天我们来对这部小说使用python分析一下人物关系。本文主要使用google推出的word2vec进行分析。使用的库主要有jieba、gensim。

一、文本准备

从网上下载《都挺好》小说txt。打开查看如下所示：

可以看出，文本中有分段以及大量的换行符，所以在读取文本时需要先去除这些符号。读取文本函数如下：

二、文本分词

在使用word2vec进行模型训练之前，首先需要将文本处理成word2vec可以操作的格式，即分词后使用空格分隔的文本。本文使用jieba进行分词，为了提高分词效果，加入了用户字典和停用词设置。

用户字典格式为：

停用词格式为：

以下是添加用户字典的代码：

以下是添加停用词设置：

下面开始分词，一开始直接使用jieba分词，但是后面做相似度分析的时候效果不好，因为好多无关词性的词也跑出来，如下图：

所以为了提高效果，在分词的时候加入了词性，分词的代码如下：

调用函数之后会产生两个文件，一个文件是分词的文件，用来进行word2vec训练，另一个文件存储分词相应的词性。此时，我们还需要一个能根据词来查询其词性的方法，代码如下：

三、模型训练

经过第二步的分词之后，就可以进行训练了。训练主要是调用word2vec相关的函数将词向量化，主要代码如下：

模型已经生成，我们可以调用模型来看一下具体某个词的词向量

是一个200维的向量。维度可以由我们定义。至此，模型已经训练好。下面进行测试。

四、模型测试

如果此时直接使用模型，效果和之前一样，我们可以利用已生成好的词性文件来进行优化。主要思路是当查找到与目标相似度较高的词时，查询其词性，如果是想要的词性，就输出，不是就抛弃。具体代码如下：

本次求与“苏大强”相似度最高的10个词，运行结果如下

效果确实好多了。但是发现这些词没有文章中的主人公。查看苏大强与蔡根花的相似度：

运行结果如下：

苏大强与蔡根花的相似度明明很高，为什么求相似度top10时没有她。

还有其他主人公的相似度比上面的词相似度低一些，但是要更加的有用。如何能显示出更多有效的词呢。

后来经过排查，发现是因为“蔡根花”词性为空，所以在进行优化时，就把本文的人名优化去了，原因是jieba没有把这些词当做人名（nr）。

五、模型优化

针对这种情况，我们有两种解决方式，第一种是将这些人名的词性加入到词性文件，这样在查找时，就可以找到。第二种方式是直接寻找指定词与目标词的相似度。第二种目标性更强，下面我们直接用用户字典里的词作为与目标“苏大强”的相似度比较。

还是不太好看，排序输出后为：

从结果中可以看出，苏大成与蔡根花的相似度最高，蔡根花是苏大成的保姆，也是他的 “宝贝”，也挺符合故事情节的。

用Python分析《都挺好》中的人物关系相关推荐

用Python中的py2neo库操作neo4j，搭建简单关联图谱—基于家有儿女中的人物关系
我第一次建立关联图谱用的是R语言,通过写代码帮公安挖掘团伙犯罪,并用图形展示团伙之间的关联关系.如有需要请关注 "阿黎逸阳的代码" 公众号的后续文章,会手把手教大家用R搭 ...
python诞生的时间地点人物_用Python来计算任意视频中各人物的出镜时间！这项目值50K吗？...
用Python来计算任意视频中各人物的出镜时间!这项目值50K吗? 简介当我开始接触深度学习时,学到的第一件事就是图像分类.这个话题非常有趣,包括我在内的很多人都沉浸在它的魅力之中.但是在我处理图像分 ...
Mark！用 Python 探索《红楼梦》的人物关系
作者 | 周萝卜来源 | Python 技术(ID: pythonall) 相信很多人都知道,<红楼梦>就是中国古典小说的巅峰之作,太多人沉迷其中,而红学也经久不衰.当然今天我们不是来探 ...
震惊！用Python探索《红楼梦》的人物关系！
点击上方"菜学Python",选择"星标"公众号超级无敌干货,第一时间送达!!! 大家好,我是菜鸟哥. 相信很多人都知道,<红楼梦>就是中国古典小 ...
用Python探索《红楼梦》的人物关系
相信很多人都知道,<红楼梦>就是中国古典小说的巅峰之作,太多人沉迷其中,而红学也经久不衰.当然今天我们不是来探究小说的,而是通过 Python 来探索下红楼梦里那千丝万缕的人物关系开干~ ...
看过来——用Python探索《红楼梦》的人物关系
数据准备红楼梦 txt 文件一份金陵十二钗 + 贾宝玉人物名称列表. 宝玉 nr 黛玉 nr 宝钗 nr 湘云 nr 凤姐 nr 李纨 nr 元春 nr 迎春 nr 探春 nr 惜春 nr 妙玉 ...
python 求连线相似度_Python分析《都挺好》中的人物关系，苏大强与蔡根花是真爱？...
如今大火的电视剧<都挺好>源于阿耐的同名小说,今天我们来对这部小说使用python分析一下人物关系.本文主要使用google推出的word2vec进行分析.使用的库主要有jieba.gen ...
漫谈：Java和Python现在都挺火，我应该怎么选？Java和Python优缺点比较。
http://www.bossqiang.com/article/4 声明:这是一篇容易引起撕逼的文章,为了祖国和谐,人民安康,请各位看官尽量理性讨论.同时,这篇文章是面向一些初入行的朋友进行一些相对 ...
Python分析一下双色球，中大奖指日可待！
点击上方"志斌的Python笔记",选择"星标"公众号超级无敌干货,第一时间送达!!! 一.需求简介之前偶然见到一位网友提出了关于双色球数据的分析需求,感觉颇 ...
Python分析一下双色球，中大奖指日可待
一.需求简介之前偶然见到一位网友提出了关于双色球数据的分析需求,感觉颇有趣味,便着手操作了一番.如下为某双色球发布站的页面,可以看到每期会产生红/蓝两种颜色的数字,其中红球为 33 选 6,蓝球为 ...

用Python分析《都挺好》中的人物关系

用Python分析《都挺好》中的人物关系相关推荐

最新文章

热门文章