修改論文模型時需要對知識圖譜DBpedia進行實體鏈接，官方的DBpedia Spotlight就非常好用，特此記錄。
?
上次的記錄博客給師弟看了依然有疑問，更新下再寫詳細點~
之后會再寫一個從零開始構建自己的知識圖譜并通過RGCN獲取實體嵌入的博客。

?

1 Docker

由于DBpedia Spotlight需要部署到服務器中，官方使用的是Docker，這里我們需要先下載Docker。（提供一個我使用的Docker版本）

一直點默認安裝即可，不過安裝完成后可能碰到WLS2不一致的問題，官方也給出了解決方法。按照里面說的去下載Ubuntu就行。

在成功安裝完Docker后，選擇Images(鏡像)，可以從里面找到ubuntu。

?
?

2 DBpedia Spotlight

DBpedia Spotlight可以把我們輸入的文本中的實體抽取出來，將其對應到知識圖譜DBpedia。官方提供了一個示例網(wǎng)站。

?

下面在Windows的Docker中部署DBpedia Spotlight服務：

1、在DBpedia Spotlight的github上找到對應的Docker命令行代碼，如果要抽取英文文本的實體就找英文模型代碼。英文模型代碼如下：

docker run -tid --restart unless-stopped --name dbpedia-spotlight.en --mount source=spotlight-model,target=/opt/spotlight -p 2222:80 dbpedia/dbpedia-spotlight spotlight.sh en

2、Windows打開命令行窗口(先按win+R，輸入cmd，再回車)，運行剛剛的Docker命令行。

3、如果運行成功，那么Docker里會有對應的鏡像，然后點擊旁邊的RUN就可以得到對應的容器，接著再運行這個容器。

? ?

3 實體抽取

下列代碼需要先按前面的方法把Docker運行起來后才能生效。該代碼的效果和前面提到的網(wǎng)址功能一樣，可以將輸入的文本text里和知識圖譜DBpedia中對應的實體進行關聯(lián)。這段代碼實現(xiàn)的功能是，我們傳入一段文本，該函數(shù)這段文本里的DBpedia的實體。confidence是置信度，值越高提取文本里的實體越準確，但是可能實體數(shù)量也會變少，就和前面那個示例網(wǎng)站一樣。

import requestsDBPEDIA_SPOTLIGHT_ADDR = "http://localhost:2222/rest/annotate"def _text2entities(text, confidence):headers = {"Accept": "application/json"}data = {"text": text, "confidence": confidence}response = requests.get(url=DBPEDIA_SPOTLIGHT_ADDR, params=data, headers=headers)response = response.json()return ([f"<{x['@URI']}>" for x in response["Resources"]]if "Resources" in responseelse [])if __name__ == '__main__':print(_text2entities('My favorite star is Leonardo!', 0.5))

結果如下：

總結

以上是生活随笔為你收集整理的【DBpedia Spotlight】对知识图谱DBpedia进行实体链接/抽取文本实体的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。