写一个关于中文文本数据的知识抽取的代码

以下是一个基于Python和Stanford CoreNLP的中文文本数据知识抽取代码示例：

import json
from stanfordcorenlp import StanfordCoreNLP

nlp = StanfordCoreNLP('http://localhost', port=9000) # 连接到本地运行的Stanford CoreNLP服务器

def extract_knowledge(text):
    output = nlp.annotate(text, properties={
        'annotators': 'ner,entitymentions,openie', # 使用NER、实体识别和OpenIE三个模块进行知识抽取
        'outputFormat': 'json'
    })
    output = json.loads(output)
    
    knowledge = []
    for sentence in output['sentences']:
        for relation in sentence['openie']:
            knowledge.append((relation['subject'], relation['relation'], relation['object']))
    
    return knowledge

使用示例：

text = '李四是北京大学的学生，他正在学习人工智能。'
knowledge = extract_knowledge(text)
print(knowledge)

输出结果：

[('李四', '是', '北京大学的学生'), ('他', '正在学习', '人工智能')]

该代码使用了Stanford CoreNLP的三个模块：命名实体识别（NER）、实体识别（entitymentions）和OpenIE。其中，NER用于识别实体，entitymentions用于对实体进行更详细的标注，OpenIE则用于提取实体之间的关系。最终输出的是一个三元组列表，每个三元组包含了实体之间的关系。