Python创建知识库

Python创建知识库的方式有很多种，其中比较流行的是使用Python的自然语言处理工具NLTK（Natural Language Toolkit）和spaCy来处理文本，将文本分词、词性标注、实体识别等，然后根据特定的规则将信息存储到知识库中。

下面是一个简单的Python创建知识库的示例代码：

import nltk
from nltk.corpus import wordnet as wn
from nltk.tokenize import word_tokenize

def create_knowledge_base(text):
    # 分词
    tokens = word_tokenize(text)
    
    # 词性标注
    tagged = nltk.pos_tag(tokens)
    
    # 实体识别
    entities = nltk.chunk.ne_chunk(tagged)
    
    # 提取实体并存储到知识库中
    knowledge_base = {}
    for entity in entities:
        if hasattr(entity, 'label') and entity.label() == 'PERSON':
            name = ' '.join([x for x in entity.leaves()])
            if name not in knowledge_base:
                knowledge_base[name] = []
            for synset in wn.synsets(name):
                for lemma in synset.lemmas():
                    if lemma.antonyms():
                        antonym = lemma.antonyms().name()
                        knowledge_base[name].append(antonym)
    
    return knowledge_base

这个示例代码使用NLTK库对输入的文本进行分词、词性标注、实体识别，然后根据特定规则提取出人名实体，并在WordNet中查找这些实体的反义词。最终将知识库存储在一个字典中，并返回该字典。