在python中生成有向字图

Question

从句子列表中,我想根据以下属性生成有向图以生成子句:

假设有三个句子:

• 我爱糖果
• 我爱你
• 我非常喜欢糖果

每次发生对时,图形将在每个连续单词之间具有权重1的边.

然后我找出图中具有最大重量的路径.在这里它返回'我非常喜欢糖果',重量为3 + 2 + 1 + 1

str1 = """Man who run in front of car, get tired.
Man who run behind car, get exhausted."""
# create a list of words separated at whitespaces
wordList1 = str1.split(None)
# strip any punctuation marks and build modified word list
# start with an empty list
wordList2 = []
for word1 in wordList1:
# last character of each word
lastchar = word1[-1:]
# use a list of punctuation marks
if lastchar in [",", ".", "!", "?", ";"]:
    word2 = word1.rstrip(lastchar)
else:
    word2 = word1
# build a wordList of lower case modified words
wordList2.append(word2.lower())

现在wordList2有一个连续的单词列表.如何将其转换为图形.我使用的是networkx库,但对它并不熟悉.

如何继续制作边加权图？

Answer 1

这是使用networkX解决您的问题的方法.

此代码将生成有向图,dG.dG每个单词将有一个节点,"count"属性表示该单词被查看的次数.每个二元组将有一个有向边,其中'weight'属性表示该二元组已经发生了多少次.

import networkx as nx
import string
from sys import maxint

str1 = """Man who run in front of car, get tired.
Man who run behind car, get exhausted."""

wordList1 = str1.split(None)

wordList2 = [string.rstrip(x.lower(), ',.!?;') for x in wordList1]

dG = nx.DiGraph()

for i, word in enumerate(wordList2):
    try:
        next_word = wordList2[i + 1]
        if not dG.has_node(word):
            dG.add_node(word)
            dG.node[word]['count'] = 1
        else:
            dG.node[word]['count'] += 1
        if not dG.has_node(next_word):
            dG.add_node(next_word)
            dG.node[next_word]['count'] = 0

        if not dG.has_edge(word, next_word):
            dG.add_edge(word, next_word, weight=maxint - 1)
        else:
            dG.edge[word][next_word]['weight'] -= 1
    except IndexError:
        if not dG.has_node(word):
            dG.add_node(word)
            dG.node[word]['count'] = 1
        else:
            dG.node[word]['count'] += 1
    except:
        raise

要查看图形的内容,可以打印节点和边缘.

for node in dG.nodes():
    print '%s:%d\n' % (node, dG.node[node]['count'])

for edge in dG.edges():
    print '%s:%d\n' % (edge, maxint - dG.edge[edge[0]][edge[1]]['weight'])

请注意,bigram边缘权重不是从零开始计数,而是从maxint开始倒计时.这是因为networkX的最短路径实用程序将使用权重值作为每边成本.通过使我们的最高计数成为最小权重,我们可以使用这些实用程序来查找具有最高边数的路径.

例如,我们可以获得"man"和"耗尽"这个词之间的最高计数路径:

>>>shortest_path = nx.shortest_path(dG, source='man', target='exhausted', weight='weight')
>>>print shortest_path
['man', 'who', 'run', 'behind', 'car', 'get', 'exhausted']

或者,我们可以获得"man"和所有其他单词之间计数最高的路径:

>>>shortest_paths = nx.shortest_path(dG, source='man', weight='weight')
>>>print shortest_paths
{'run': ['man', 'who', 'run'], 
'get': ['man', 'who', 'run', 'behind', 'car', 'get'], 
'exhausted': ['man', 'who', 'run', 'behind', 'car', 'get', 'exhausted'], 
'car': ['man', 'who', 'run', 'behind', 'car'], 
'who': ['man', 'who'], 
'behind': ['man', 'who', 'run', 'behind'], 
'of': ['man', 'who', 'run', 'in', 'front', 'of'], 
'in': ['man', 'who', 'run', 'in'], 
'front': ['man', 'who', 'run', 'in', 'front'], 
'tired': ['man', 'who', 'run', 'behind', 'car', 'get', 'tired'], 
'man': ['man']}

如上所述,有可能在这样的图形中获得循环,并且我不确定networkx最短路径算法将如何处理这种情况.

祝好运!

Answer 2

使用字典来存储二元组，每次遇到二元组时，值加 1。获取字典值的最大值来生成起点，然后递归调用一个函数，获取以先前二元组中的最后一个单词开头的最高值的二元组，直到不再存在以最后一个单词开头的二元组。警惕圆形图的可能性，例如I love that I love that I love无限（设置递归限制）。

我从未专门使用过networkx，但浏览主页后，上述内容仍然适用。