《海贼王-ONE PIECE》知识图谱项目实战（附代码资源）：涵盖数据采集、知识存储、知识抽取、知识计算及图谱可视化

简介：
本项目深入讲解如何构建《海贼王-ONE PIECE》的知识图谱，包括数据收集、存储管理、信息提取、计算处理和图表展示等内容，并提供实用代码资源。 本项目涵盖了数据采集、知识存储、知识抽取、知识计算及知识应用五个主要部分。 在数据采集阶段，我们构建了两个知识图谱以及一个关系抽取的数据集： - 人物知识图谱：包含各个人物的信息； - 关系抽取数据集：标注出自然语言中实体及其之间的关系； - 实体关系知识图谱：《海贼王》中各个实体之间关系的知识图谱。 在知识存储方面，我们尝试使用了三元组数据库Apace Jena和原生图数据库Neo4j，并分别通过RDF结构化查询语言SPARQL及属性图查询语言Cypher，在知识图谱上进行查询操作。 对于知识抽取部分，基于之前构建的关系抽取数据集，利用deepke中提供的工具进行了关系抽取实践。我们测试了包括PCNN、GCN、BERT等模型在所构建的数据集上的效果。 在知识计算环节： - 图计算：使用Neo4j对实体关系知识图谱进行图挖掘操作，如最短路径查询、权威节点发现及社区发现； - 知识推理：利用Apache Jena对关系知识图谱进行了知识推理，并补全了一部分数据。 最后，在知识应用方面： - 智能问答系统（KBQA）基于REfO构建了一个针对《海贼王》中人物的知识库问答系统。 - 可视化图片通过D3技术，实现了实体关系的可视化展示。