Text Content Grapher based on keyinfo extraction by NLP method。输入一篇文档，将文档进行关键信息提取，进行结构化， 并最终组织成图谱组织形式，形成对文章语义信息的图谱化展示。

如何用图谱和结构化的方式，即以简洁的方式对输入的文本内容进行最佳的语义表示是个难题。本项目将对这一问题进行尝试， 采用的方法为：输入一篇文档，将文档进行关键信息提取，并进行结构化，并最终组织成图谱组织形式， 形成对文章语义信息的图谱化展示。　　

git clone https://github.com/QubitPi/TextGrapher.git
cd TextGrapher

conda update conda
conda config --append channels conda-forge
conda create --name textgrapher  --file requirements.txt
conda activate textgrapher

The entity extraction of TextGrapher is backed by pyltp which is the Python wrapper of ltp. To install pyltp:

git clone https://github.com/HIT-SCIR/pyltp
cd pyltp
git submodule init
git submodule update
python setup.py install
cd ..

pyltp uses a pre-trained model to inference texts into graph raw data. The model can be downloaded at https://ltp.ai/download.html . At the time of writing, 3.4.0/ltp_data_v3.4.0.zip works so please download it, put it under TextGrapher directory, and rename the decompressed to ltp_data, which will be the default location for reading the model bay TextGrapher

unzip ltp_data_v3.4.0.zip
mv ltp_data_v3.4.0.zip ltp_data

python text_grapher.py
open graph_show.html

conda deactivate

１）如何用图谱和结构化的方式，即以简洁的方式对输入的文本内容进行最佳的语义表示是个难题。
２）本项目采用了高频词，关键词，命名实体识别，主谓宾短语识别等抽取方式，并尝试将三类信息进行图谱组织表示，这种表示方式是一种尝试。
３）命名实体识别以及关键信息抽取受限于NLP的性能，在算法和方式上还存在多处不足。