作者 | Walid Amamou
譯者 | 平川
策劃 | 淩敏
本文最初釋出于 Towards Data Science。
圖檔由作者提供：Neo4j中的知識圖譜
簡 介
在這篇文章中，我将展示如何使用經過優化的、基于轉換器的命名實體識别（NER）以及 spaCy 的關系提取模型，基于職位描述建立一個知識圖譜。這裡介紹的方法可以應用于其他任何領域，如生物醫學、金融、醫療保健等。
以下是我們要采取的步驟：
在 Google Colab 中加載優化後的轉換器 NER 和 spaCy 關系提取模型；
建立一個 Neo4j Sandbox，并添加實體和關系；
查詢圖，找出與目标履歷比對度最高的職位，找出三個最受歡迎的技能和共現率最高的技能。
要了解關于如何使用 UBIAI 生成訓練資料以及優化 NER 和關系提取模型的更多資訊，請檢視以下文章。
UBIAI：簡單易用的 NLP 應用程式文本标注
如何使用 BERT 轉換器與 spaCy3 訓練一個聯合實體和關系提取分類器
如何使用 spaCy3 優化 BERT 轉換器
職位描述資料集可以從 Kaggle 擷取。
在本文結束的時候，我們就可以建立出如下所示的知識圖譜。
圖檔由作者提供：職位描述的知識圖譜
命名實體和關系提取
首先，我們加載 NER 和關系模型的依賴關系，以及之前優化過的 NER 模型本身，以提取技能、學曆、專業和工作年限：
加載我們想從中提取實體和關系的職位資料集：
從職位資料集中提取實體：
在将實體提供給關系提取模型之前，我們可以看下提取出的部分實體：
我們現在準備好預測關系了；首先加載關系提取模型，務必将目錄改為 rel_component/scripts 以便可以通路關系模型的所有必要腳本。
Neo4J
現在，我們可以加載職位資料集，并将資料提取到 Neo4j 資料庫中了。
首先，我們建立一個空的 Neo4j Sandbox，并添加連接配接資訊，如下所示：
接下來，我們将文檔、實體和關系添加到知識圖譜中。注意，我們需要從實體 EXPERIENCE 的 name 中提取出整數年限，并将其作為一個屬性存儲起來。
現在開始進入有趣的部分了。我們可以啟動知識圖譜并運作查詢了。讓我們運作一個查詢，找出與目标履歷最比對的職位：
以表格形式顯示的結果中的公共實體：
以可視化形式顯示的圖：
圖檔由作者提供：基于最佳比對職位
雖然這個資料集隻有 29 個職位描述，但這裡介紹的方法可以應用于有成千上萬個職位的大規模資料集。隻需幾行代碼，我們立馬就可以提取出與目标履歷比對度最高的工作。
下面，讓我們找出最需要的技能：
以及需要最高工作年限的技能：
Web 開發和技術支援需要的工作年限最高，然後是安全設定。
最後，讓我們查下共現率最高的技能對：
小 結
在這篇文章中，我們描述了如何利用基于轉換器的 NER 和 spaCy 的關系提取模型，用 Neo4j 建立知識圖譜。除了資訊提取之外，圖的拓撲結構還可以作為其他機器學習模型的輸入。
将 NLP 與圖資料庫 Neo4j 相結合，可以加速許多領域的資訊發現，相比之下，在醫療和生物醫學領域的應用效果更為顯著。
https://medium.com/m/global-identity?