能不能用文本處理的方法，得到《三國演義》中的人物社交網絡再進行分析呢？

前言

一直以來對自然語言處理和社交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(fā)現(xiàn)，而后者能夠讓我們對人們和各個事物之間普遍存在的網絡般的聯(lián)系有更多認識。當二者結合，又會有怎樣的魔力呢？

作為一個三國迷，我就有了這樣的想法：能不能用文本處理的方法，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(xiàn)在就開始動手吧。

準備工作

獲得《三國演義》的文本。

chapters = get_sanguo() # 文本列表，每個元素為一章的文本print(chapters[0][:106])

第一回 宴桃園豪杰三結義斬黃巾英雄首立功滾滾長江東逝水，浪花淘盡英雄。是非成敗轉頭空。青山依舊在，幾度夕陽紅。白發(fā)漁樵江渚上，慣看秋月春風。一壺濁酒喜相逢。古今多少事，都付笑談中

《三國演義》并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。比如電腦怎么知道“玄德”指的就是“劉備”呢？那就要我們給它一些知識。我們人通過學習知道“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接。我們需要告訴電腦，“劉備”是實體（類似于一個對象的標準名），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("劉備的指稱有：",entity_mention_dict["劉備"])

劉備的指稱有： ['劉備','劉玄德','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”，所以知識庫里還可以包括實體的類型信息來加以區(qū)分。

print("劉備的類型為",entity_type_dict["劉備"])print("蜀的類型為",entity_type_dict["蜀"])print("蜀的指稱有",entity_mention_dict["蜀"])劉備的類型為 人名蜀的類型為 勢力蜀的指稱有 ['蜀','蜀漢']

有了這些知識，理論上我們就可以編程聯(lián)系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]是一個封裝了這些步驟的文本處理庫，可以幫助我們輕松完成這個任務。

ht = HarvestText()ht.add_entities(entity_mention_dict, entity_type_dict) # 加載模型print(ht.seg("誓畢，拜玄德為兄，關羽次之，張飛為弟。",standard_name=True))['誓畢','，','拜','劉備','為兄','，','關羽','次之','，','張飛','為弟','。']

社交網絡建立

成功地把指稱統(tǒng)一到標準的實體名以后，我們就可以著手挖掘三國的社交網絡了。具體的建立方式是利用鄰近共現(xiàn)關系。每當一對實體在兩句話內同時出現(xiàn)，就給它們加一條邊。那么建立網絡的整個流程就如同下圖所示：

我們可以使用HarvestText提供的函數(shù)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：

# 準備工作doc = chapters[0].replace("操","曹操") # 由于有時使用縮寫，這里做一個微調ch1_sentences = ht.cut_sentences(doc) # 分句doc_ch01 = [ch1_sentences[i]+ch1_sentences[i+1]foriinrange(len(ch1_sentences)-1)] #獲得所有的二連句ht.set_linking_strategy("freq")# 建立網絡G = ht.build_entity_graph(doc_ch01, used_types=["人名"]) # 對所有人物建立網絡，即社交網絡# 挑選主要人物畫圖important_nodes = [nodefornodeinG.nodesifG.degree[node]>=5]G_sub = G.subgraph(important_nodes).copy()draw_graph(G_sub,alpha=0.5,node_scale=30,figsize=(6,4))

他們之間具體有什么關系呢？我們可以利用文本摘要得到本章的具體內容：

stopwords = get_baidu_stopwords() #過濾停用詞以提高質量fori,docinenumerate(ht.get_summary(doc_ch01, topK=3, stopwords=stopwords)):print(i,doc)玄德見皇甫嵩、朱儁，具道盧植之意。嵩曰：“張梁、張寶勢窮力乏，必投廣宗去依張角。時張角賊眾十五萬，植兵五萬，相拒于廣宗，未見勝負。植謂玄德曰：“我今圍賊在此，賊弟張梁、張寶在潁川，與皇甫嵩、朱儁對壘。次日，于桃園中，備下烏牛白馬祭禮等項，三人焚香再拜而說誓曰：“念劉備、關羽、張飛，雖然異姓，既結為兄弟，則同心協(xié)力，

本章的主要內容，看來就是劉關張?zhí)覉@三結義，并且共抗黃巾賊的故事。

三國全網絡繪制

有了小范圍實踐的基礎，我們就可以用同樣的方法，整合每個章節(jié)的內容，畫出一張橫跨三國各代的大圖。

G_chapters = []forchapter in chapters: sentences = ht.cut_sentences(chapter) # 分句 docs = [sentences[i]+sentences[i+1]fori inrange(len(sentences)-1)] G_chapters.append(ht.build_entity_graph(docs, used_types=["人名"]))# 合并各張子圖G_global = nx.Graph()forG0 in G_chapters: for(u,v) in G0.edges: ifG_global.has_edge(u,v): G_global[u][v]["weight"] += G0[u][v]["weight"] else: G_global.add_edge(u,v,weight=G0[u][v]["weight"])# 忽略游離的小分支只取最大連通分量largest_comp =max(nx.connected_components(G_global), key=len)G_global = G_global.subgraph(largest_comp).copy()print(nx.info(G_global))Name:Type: GraphNumber of nodes:1290Number of edges:10096Average degree: 15.6527

整個社交網絡有1290個人那么多，還有上萬條邊！那么我們要把它畫出來幾乎是不可能的，那么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]G_main= G_global.subgraph(important_nodes).copy()

用pyecharts進行可視化

frompyechartsimportGraphnodes = [{"name":"結點1","value":0,"symbolSize":10}foriinrange(G_main.number_of_nodes())]fori,name0inenumerate(G_main.nodes): nodes[i]["name"] = name0 nodes[i]["value"] = G_main.degree[name0] nodes[i]["symbolSize"] = G_main.degree[name0] /10.0links = [{"source":"","target":""}foriinrange(G_main.number_of_edges())]fori,(u,v)inenumerate(G_main.edges): links[i]["source"] = u links[i]["target"] = v links[i]["value"] = G_main[u][v]["weight"]graph = Graph("三國人物關系力導引圖")graph.add("", nodes, links)graph.render("./images/三國人物關系力導引圖.html")graph

博客上不能顯示交互式圖表，這里就給出截圖：顯示了劉備的鄰接結點

整個網絡錯綜復雜，背后是三國故事中無數(shù)的南征北伐、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，比如：

人物排名-重要性

對這個問題，我們可以用網絡中的排序算法解決。PageRank就是這樣的一個典型方法，它本來是搜索引擎利用網站之間的聯(lián)系對搜索結果進行排序的方法，不過對人物之間的聯(lián)系也是同理。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()

《三國演義》當仁不讓的主角就是他們了，哪怕你對三國不熟悉，也一定會對這些人物耳熟能詳。

人物排名-權力值

這個問題看上去跟上面一個問題很像，但其實還是有區(qū)別的。就像人緣最好的人未必是領導一樣，能在團隊中心起到凝聚作用，使各個成員相互聯(lián)系合作的人才是最有權力的人。中心度就是這樣的一個指標，看看三國中最有權力的人是哪些吧？

between= pd.Series(nx.betweenness_centrality(G_global)).sort_values()between.tail(20).plot(kind="barh")plt.show()

結果的確和上面的排序有所不同，我們看到劉備、曹操、孫權、袁紹等主公都名列前茅。而另一個有趣的發(fā)現(xiàn)是，司馬懿、司馬昭、司馬師父子三人同樣榜上有名，而曹氏的其他后裔則不見其名，可見司馬氏之權傾朝野。司馬氏之心，似乎就這樣被大數(shù)據揭示了出來！

社群發(fā)現(xiàn)

人物關系有親疏遠近，因此往往會形成一些集團。社交網絡分析里的社區(qū)發(fā)現(xiàn)算法就能夠讓我們發(fā)現(xiàn)這些集團，讓我使用community庫[2]中的提供的算法來揭示這些關系吧。

importcommunity # python-louvainpartition = community.best_partition(G_main) # Louvain算法劃分社區(qū)comm_dict = defaultdict(list)forpersoninpartition: comm_dict[partition[person]].append(person)

在下面3個社區(qū)里，我們看到的主要是魏蜀吳三國重臣們。（只有一些小“問題”，有趣的是，電腦并不知道他們的所屬勢力，只是使用算法。）

draw_community(2)

community2: 張遼 曹仁 夏侯惇 徐晃 曹洪 夏侯淵 張郃 許褚 樂進 李典 于禁荀彧 劉曄 郭嘉 滿寵 程昱 荀攸 呂虔 典韋 文聘 董昭 毛玠

draw_community(4)

community4: 曹操 諸葛亮 劉備 關羽 趙云 張飛 馬超 黃忠 許昌 孟達[魏]孫乾曹安民 劉璋 關平 龐德 法正 伊籍 張魯 劉封 龐統(tǒng) 孟獲 嚴顏 馬良 簡雍 蔡瑁陶謙 孔融 劉琮[劉表子]劉望之 夏侯楙 周倉 陳登

draw_community(3)

community 3: 孫權 孫策 周瑜 陸遜 呂蒙 丁奉 周泰 程普 韓當 徐盛 張昭[吳] 馬相 黃蓋[吳] 潘璋 甘寧 魯肅 凌統(tǒng) 太史慈 諸葛瑾 韓吳郡 蔣欽 黃祖 闞澤 朱桓 陳武 呂范

draw_community(0)

community0: 袁紹 呂布 劉表 袁術 董卓 李傕 賈詡 審配 孫堅 郭汜 陳宮 馬騰袁尚 韓遂 公孫瓚 高順 許攸[袁紹]臧霸 沮授 郭圖 顏良 楊奉 張繡 袁譚 董承文丑 何進 張邈[魏]袁熙

還有一些其他社區(qū)。比如在這里，我們看到三國前期，孫堅、袁紹、董卓等主公們群雄逐鹿，好不熱鬧。

draw_community(1)

community1: 司馬懿 魏延 姜維 張翼 馬岱 廖化 吳懿 司馬昭 關興 吳班 王平鄧芝 鄧艾 張苞[蜀]馬忠[吳]費祎 譙周 馬謖 曹真 曹丕 李恢 黃權 鐘會 蔣琬司馬師 劉巴[蜀]張嶷 楊洪 許靖 費詩 李嚴 郭淮 曹休 樊建 秦宓 夏侯霸 楊儀高翔 張南[魏]華歆 曹爽 郤正 許允[魏]王朗[司徒]董厥 杜瓊 霍峻 胡濟 賈充 彭羕 吳蘭 諸葛誕 雷銅 孫綝 卓膺 費觀 杜義 閻晏 盛勃 劉敏 劉琰 杜祺 上官雝 丁咸 爨習 樊岐 曹芳 周群

這個社區(qū)是三國后期的主要人物了。這個網絡背后的故事，是司馬氏兩代三人打敗姜維率領的蜀漢群雄，又掃除了曹魏內部的曹家勢力，終于登上權力的頂峰。

動態(tài)網絡

研究社交網絡隨時間的變化，是個很有意思的任務。而《三國演義》大致按照時間線敘述，且有著極長的時間跨度，順著故事線往下走，社交網絡會發(fā)生什么樣的變化呢？

這里，我取10章的文本作為跨度，每5章記錄一次當前跨度中的社交網絡，就相當于留下一張快照，把這些快照連接起來，我們就能夠看到一個社交網絡變化的動畫。快照還是用networkx得到，而制作動畫，我們可以用moviepy。

江山代有才人出，讓我們看看在故事發(fā)展的各個階段，都是哪一群人活躍在舞臺中央呢？

importmoviepy.editorasmpyfrommoviepy.video.io.bindingsimportmplfig_to_npimagewidth, step =10,5range0 = range(0,len(G_chapters)-width+1,step)numFrame, fps = len(range0),1duration = numFrame/fpspos_global = nx.spring_layout(G_main)defmake_frame_mpl(t): i = step*int(t*fps) G_part = nx.Graph() forG0inG_chapters[i:i+width]: for(u,v)inG0.edges: ifG_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]*10forxinG.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}章的社交網絡") returnmplfig_to_npimage(fig)animation = mpy.VideoClip(make_frame_mpl, duration=duration)animation.write_gif("./images/三國社交網絡變化.gif", fps=fps)

美觀起見，動畫中省略了網絡中的邊。

隨著時間的變化，曾經站在歷史舞臺中央的人們也漸漸地會漸漸離開，讓人不禁唏噓感嘆。正如《三國演義》開篇所言：

古今多少事，都付笑談中。

今日，小輩利用python做的一番笑談也就到此結束吧……