一直以來對自然語言處理和社會網絡分析都很感興趣，前者能幫助我們從文本中獲得很多發現，而後者能夠讓我們對人們和各個事物之間普遍存在的網路般的聯繫有更多認識。當二者結合，又會有什麼樣的魔力呢？身為一個三國迷，我就有了這樣的想法：能不能用文字處理的方法，得到《三國演義》中的人物社交網絡，再進行分析呢？ python中有很多好工具能夠幫助我實踐我好奇的想法，現在就開始動手吧。
準備工作
#獲得《三國演義》的文字。
chapters = get_sanguo() # 文本列表，每个元素为一章的文本print(chapters[0][:106])第一回 宴桃园豪杰三结义 斩黄巾英雄首立功滚滚长江东逝水，浪花淘尽英雄。是非成败转头空。青山依旧在，几度夕阳红。白发渔樵江渚上，惯看秋月春风。一壶浊酒喜相逢。古今多少事，都付笑谈中
《三國演義》並不是很容易處理的文本，它接近古文，我們會面對古人的字號等一系列別名。例如電腦怎麼知道「玄德」指的就是「劉備」呢？那就要我們給它一些知識。我們人透過學習知道「玄德」是劉備的字，電腦也可以用類似的方法完成這個概念的連結。我們需要告訴電腦，「劉備」是實體（類似一個物件的標準名），而「玄德」則是「劉備」的一個指稱，告訴的方式，就是提供電腦一個知識庫。
entity_mention_dict, entity_type_dict = get_sanguo_entity_dict()
print("刘备的指称有：",entity_mention_dict["刘备"]
刘备的指称有： [ 刘备 , 刘玄德 , 玄德 , 使君 ]除了人的實體和指稱以外，我們也能夠包括三國勢力等別的類型的指稱，比如“蜀”又可以叫“蜀漢”，所以知識庫裡還可以包括實體的類型資訊來加以區分。
print("刘备的类型为",entity_type_dict["刘备"])
print("蜀的类型为",entity_type_dict["蜀"])
print("蜀的指称有",entity_mention_dict["蜀"])
刘备的类型为 人名
蜀的类型为 势力
蜀的指称有 [ 蜀 , 蜀汉 ]有了這些知識，理論上我們就可以編程聯繫起實體的各個綽號啦。不過若是要從頭做起的話，其中還會有不少的工作量。而HarvestText[1]則是一個封裝了這些步驟的文字處理庫，可以幫助我們輕鬆完成這個任務。
ht = HarvestText()ht.add_entities(entity_mention_dict, entity_type_dict) # 加载模型print(ht.seg("誓毕，拜玄德为兄，关羽次之，张飞为弟。",standard_name=True))[ 誓毕 , ， , 拜 , 刘备 , 为兄 , ， , 关羽 , 次之 , ， , 张飞 , 为弟 , 。 ]社群網路建立
成功地把指稱統一到標準的實體名以後，我們就可以著手挖掘三國的社群網路了。具體的建立方式是利用鄰近共現關係。每當一對實體在兩句話內同時出現，就給它們加一條邊。那麼建立網路的整個流程就如同下圖所示：
我們可以使用HarvestText提供的函數直接完成這個流程，讓我們先在第一章的小文本上實踐一下：
# 准备工作
doc = chapters[0].replace("操","曹操") # 由于有时使用缩写，这里做一个微调
ch1_sentences = ht.cut_sentences(doc) # 分句
doc_ch01 = [ch1_sentences[i]+ch1_sentences[i+1] for i in range(len(ch1_sentences)-1)] #获得所有的二连句
ht.set_linking_strategy("freq")
# 建立网络
G = ht.build_entity_graph(doc_ch01, used_types=["人名"]) # 对所有人物建立网络，即社交网络
# 挑选主要人物画图
important_nodes = [node for node in G.nodes if G.degree[node]>=5]
G_sub = G.subgraph(important_nodes).copy()
draw_graph(G_sub,alpha=0.5,node_scale=30,figsize=(6,4))他們之間具體有什麼關係呢？我們可以利用文本摘要得到本章的具體內容：
stopwords = get_baidu_stopwords() #过滤停用词以提高质量for i,doc in enumerate(ht.get_summary(doc_ch01, topK=3, stopwords=stopwords)): print(i,doc)玄德见皇甫嵩、朱儁，具道卢植之意。嵩曰：“张梁、张宝势穷力乏，必投广宗去依张角。时张角贼众十五万，植兵五万，相拒于广宗，未见胜负。植谓玄德曰：“我今围贼在此，贼弟张梁、张宝在颍川，与皇甫嵩、朱儁对垒。次日，于桃园中，备下乌牛白马祭礼等项，三人焚香再拜而说誓曰：“念刘备、关羽、张飞，虽然异姓，既结为兄弟，则同心协力，
本章的主要內容，看來就是劉關張桃園三結義，並且共抗黃巾賊的故事。
三國全網路繪製
有了小範圍實踐的基礎，我們就可以用同樣的方法，整合每個章節的內容，畫出一張橫跨三國各世代的大圖。
G_chapters = []
整個社群網路有1290個人那麼多，還有上萬條邊！那我們要把它畫出來幾乎是不可能的，那麼我們就挑選其中的關鍵人物來畫出一個子集吧。
important_nodes = [node for node in G_global.nodes if G_global.degree[node]>=30]
用pyecharts進行視覺化
from pyecharts import Graph
部落格上不能顯示互動式圖表，這裡就給出截圖：顯示了劉備的鄰接結點
整個網路錯綜複雜，背後是三國故事中無數的南徵北伐、爾虞我詐。不過有了計算機的強大算力，我們依然可以從中梳理出某些關鍵線索，例如：
人物排名-重要性
對這個問題，我們可以用網路中的排序演算法解決。 PageRank就是這樣的一個典型方法，它本來是搜尋引擎利用網站之間的聯繫來對搜尋結果進行排序的方法，不過對人物之間的連結也是同理。讓我們獲得最重要的20大人物：
page_ranks = pd.Series(nx.algorithms.pagerank(G_global)).sort_values() page_ranks.tail(20).plot(kind="barh") plt.show()
结果的确和上面的排序有所不同，我们看到刘备、曹操、孙权、袁绍等主公都名列前茅。而另一个有趣的发现是，司马懿、司马昭、司马师父子三人同样榜上有名，而曹氏的其他后裔则不见其名，可见司马氏之权倾朝野。司马氏之心，似乎就这样被大数据揭示了出来！
社群发现
人物关系有亲疏远近，因此往往会形成一些集团。社交网络分析里的社区发现算法就能够让我们发现这些集团，让我使用community库[2]中的提供的算法来揭示这些关系吧。
import community # python-louvainpartition = community.best_partition(G_main) # Louvain算法划分社区comm_dict = defaultdict(list)for person in partition: comm_dict[partition[person]].append(person)
在下面3个社区里，我们看到的主要是魏蜀吴三国重臣们。（只有一些小“问题”，有趣的是，电脑并不知道他们的所属势力，只是使用算法。）
draw_community(2) ommunity 2: 张辽 曹仁 夏侯惇 徐晃 曹洪 夏侯渊 张郃 许褚 乐进 李典 于禁 荀彧 刘晔 郭嘉 满宠 程昱 荀攸 吕虔 典韦 文聘 董昭 毛玠
draw_community(4) community 4: 曹操 诸葛亮 刘备 关羽 赵云 张飞 马超 黄忠 许昌 孟达[魏] 孙乾 曹安民 刘璋 关平 庞德 法正 伊籍 张鲁 刘封 庞统 孟获 严颜 马良 简雍 蔡瑁 陶谦 孔融 刘琮[刘表子] 刘望之 夏侯楙 周仓 陈登
draw_community(3) community 3: 孙权 孙策 周瑜 陆逊 吕蒙 丁奉 周泰 程普 韩当 徐盛 张昭[吴] 马相 黄盖[吴] 潘璋 甘宁 鲁肃 凌统 太史慈 诸葛瑾 韩吴郡 蒋钦 黄祖 阚泽 朱桓 陈武 吕范
draw_community(0) community 0: 袁绍 吕布 刘表 袁术 董卓 李傕 贾诩 审配 孙坚 郭汜 陈宫 马腾 袁尚 韩遂 公孙瓒 高顺 许攸[袁绍] 臧霸 沮授 郭图 颜良 杨奉 张绣 袁谭 董承 文丑 何进 张邈[魏] 袁熙
还有一些其他社区。比如在这里，我们看到三国前期，孙坚、袁绍、董卓等主公们群雄逐鹿，好不热闹。
draw_community(1) community 1: 司马懿 魏延 姜维 张翼 马岱 廖化 吴懿 司马昭 关兴 吴班 王平 邓芝 邓艾 张苞[蜀] 马忠[吴] 费祎 谯周 马谡 曹真 曹丕 李恢 黄权 钟会 蒋琬 司马师 刘巴[蜀] 张嶷 杨洪 许靖 费诗 李严 郭淮 曹休 樊建 秦宓 夏侯霸 杨仪 高翔 张南[魏] 华歆 曹爽 郤正 许允[魏] 王朗[司徒] 董厥 杜琼 霍峻 胡济 贾充 彭羕 吴兰 诸葛诞 雷铜 孙綝 卓膺 费观 杜义 阎晏 盛勃 刘敏 刘琰 杜祺 上官雝 丁咸 爨习 樊岐 曹芳 周群
这个社区是三国后期的主要人物了。这个网络背后的故事，是司马氏两代三人打败姜维率领的蜀汉群雄，又扫除了曹魏内部的曹家势力，终于登上权力的顶峰。
动态网络
研究社交网络随时间的变化，是个很有意思的任务。而《三国演义》大致按照时间线叙述，且有着极长的时间跨度，顺着故事线往下走，社交网络会发生什么样的变化呢？
这里，我取10章的文本作为跨度，每5章记录一次当前跨度中的社交网络，就相当于留下一张快照，把这些快照连接起来，我们就能够看到一个社交网络变化的动画。快照还是用networkx得到，而制作动画，我们可以用moviepy。
江山代有才人出，让我们看看在故事发展的各个阶段，都是哪一群人活跃在舞台中央呢？
import moviepy.editor as mpy
from moviepy.video.io.bindings import mplfig_to_npimage
width, step = 10,5
range0 = range(0,len(G_chapters)-width+1,step)
numFrame, fps = len(range0), 1
duration = numFrame/fps
pos_global = nx.spring_layout(G_main)
def make_frame_mpl(t):
i = step*int(t*fps)
G_part = nx.Graph()
for G0 in G_chapters[i:i+width]:
for (u,v) in G0.edges:
if G_part.has_edge(u,v):
G_part[u][v]["weight"] += G0[u][v]["weight"]
else:
G_part.add_edge(u,v,weight=G0[u][v]["weight"])
largest_comp = max(nx.connected_components(G_part), key=len)
used_nodes = set(largest_comp) & set(G_main.nodes)
G = G_part.subgraph(used_nodes)
fig = plt.figure(figsize=(12,8),dpi=100)
nx.draw_networkx_nodes(G,pos_global,node_size=[G.degree[x]*10 for x in G.nodes])
# nx.draw_networkx_edges(G,pos_global)
nx.draw_networkx_labels(G,pos_global)
plt.xlim([-1,1])
plt.ylim([-1,1])
plt.axis("off")
plt.title(f"第{i+1}到第{i+width+1}章的社交网络")
return mplfig_to_npimage(fig)
animation = mpy.VideoClip(make_frame_mpl, duration=duration)
animation.write_gif("./images/三国社交网络变化.gif", fps=fps)美观起见，动画中省略了网络中的边。
随着时间的变化，曾经站在历史舞台中央的人们也渐渐地会渐渐离开，让人不禁唏嘘感叹。正如《三国演义》开篇所言：
古今多少事，都付笑谈中。
今日，小辈利用python做的一番笑谈也就到此结束吧……
【推荐课程：Python视频教程】
以上是趣味玩轉－用python分析《三國演義》中的社群網絡的詳細內容。更多資訊請關注PHP中文網其他相關文章！
