如今大火的電視劇《都挺好》源于阿耐的同名小說，今天我們來對這部小說使用python分析一下人物關系。本文主要使用google推出的word2vec進行分析。使用的庫主要有jieba、gensim。

一、文本準備

從網上下載《都挺好》小說txt。打開查看如下所示：

?

可以看出，文本中有分段以及大量的換行符，所以在讀取文本時需要先去除這些符號。讀取文本函數如下：

二、文本分詞

在使用word2vec進行模型訓練之前，首先需要將文本處理成word2vec可以操作的格式，即分詞后使用空格分隔的文本。本文使用jieba進行分詞，為了提高分詞效果，加入了用戶字典和停用詞設置。

用戶字典格式為：

停用詞格式為：

以下是添加用戶字典的代碼：

以下是添加停用詞設置：

下面開始分詞，一開始直接使用jieba分詞，但是后面做相似度分析的時候效果不好，因為好多無關詞性的詞也跑出來，如下圖：

所以為了提高效果，在分詞的時候加入了詞性，分詞的代碼如下：

調用函數之后會產生兩個文件，一個文件是分詞的文件，用來進行word2vec訓練，另一個文件存儲分詞相應的詞性。此時，我們還需要一個能根據詞來查詢其詞性的方法，代碼如下：

?

三、模型訓練

經過第二步的分詞之后，就可以進行訓練了。訓練主要是調用word2vec相關的函數將詞向量化，主要代碼如下：

模型已經生成，我們可以調用模型來看一下具體某個詞的詞向量

是一個200維的向量。維度可以由我們定義。至此，模型已經訓練好。下面進行測試

四、模型測試

如果此時直接使用模型，效果和之前一樣，我們可以利用已生成好的詞性文件來進行優化。主要思路是當查找到與目標相似度較高的詞時，查詢其詞性，如果是想要的詞性，就輸出，不是就拋棄。具體代碼如下：

本次求與“蘇大強”相似度最高的10個詞，運行結果如下

效果確實好多了。但是發現這些詞沒有文章中的主人公。查看蘇大強與蔡根花的相似度：

運行結果如下：

蘇大強與蔡根花的相似度明明很高，為什么求相似度top10時沒有她。

還有其他主人公的相似度比上面的詞相似度低一些，但是要更加的有用。如何能顯示出更多有效的詞呢。

后來經過排查，發現是因為“蔡根花”詞性為空，所以在進行優化時，就把本文的人名優化去了，原因是jieba沒有把這些詞當做人名(nr)。

五、模型優化

針對這種情況，我們有兩種解決方式，第一種是將這些人名的詞性加入到詞性文件，這樣在查找時，就可以找到。第二種方式是直接尋找指定詞與目標詞的相似度。第二種目標性更強，下面我們直接用用戶字典里的詞作為與目標“蘇大強”的相似度比較。

還是不太好看，排序輸出后為：

從結果中可以看出，蘇大強與蔡根花的相似度最高，蔡根花是蘇大強的保姆，也是他的 “寶貝”，也挺符合故事情節的。

來源：Python中文社區

作者：KingShine

總結

以上是生活随笔為你收集整理的python 求连线相似度_Python分析《都挺好》中的人物关系，苏大强与蔡根花是真爱？...的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。