作者 | Walid Amamou
譯者 | 平川
策劃 | 凌敏
本文最初發佈於 Towards Data Science。
圖片由作者提供：Neo4j中的知識圖譜
簡 介
在這篇文章中，我將展示如何使用經過最佳化的、基於轉換器的命名實體識別（NER）以及 spaCy 的關係提取模型，基於職位描述建立一個知識圖譜。這裡介紹的方法可以應用於其他任何領域，如生物醫學、金融、醫療保健等。
以下是我們要採取的步驟：
在 Google Colab 中載入最佳化後的轉換器 NER 和 spaCy 關係提取模型；
建立一個 Neo4j Sandbox，並新增實體和關係；
查詢圖，找出與目標簡歷匹配度最高的職位，找出三個最受歡迎的技能和共現率最高的技能。
要了解關於如何使用 UBIAI 生成訓練資料以及最佳化 NER 和關係提取模型的更多資訊，請檢視以下文章。
UBIAI：簡單易用的 NLP 應用程式文字標註
如何使用 BERT 轉換器與 spaCy3 訓練一個聯合實體和關係提取分類器
如何使用 spaCy3 最佳化 BERT 轉換器
職位描述資料集可以從 Kaggle 獲取。
在本文結束的時候，我們就可以創建出如下所示的知識圖譜。
圖片由作者提供：職位描述的知識圖譜
命名實體和關係提取
首先，我們載入 NER 和關係模型的依賴關係，以及之前最佳化過的 NER 模型本身，以提取技能、學歷、專業和工作年限：
載入我們想從中提取實體和關係的職位資料集：
從職位資料集中提取實體：
在將實體提供給關係提取模型之前，我們可以看下提取出的部分實體：
我們現在準備好預測關係了；首先載入關係提取模型，務必將目錄改為 rel_component/scripts 以便可以訪問關係模型的所有必要指令碼。
Neo4J
現在，我們可以載入職位資料集，並將資料提取到 Neo4j 資料庫中了。
首先，我們建立一個空的 Neo4j Sandbox，並新增連線資訊，如下所示：
接下來，我們將文件、實體和關係新增到知識圖譜中。注意，我們需要從實體 EXPERIENCE 的 name 中提取出整數年限，並將其作為一個屬性儲存起來。
現在開始進入有趣的部分了。我們可以啟動知識圖譜並執行查詢了。讓我們執行一個查詢，找出與目標簡歷最匹配的職位：
以表格形式顯示的結果中的公共實體：
以視覺化形式顯示的圖：
圖片由作者提供：基於最佳匹配職位
雖然這個資料集只有 29 個職位描述，但這裡介紹的方法可以應用於有成千上萬個職位的大規模資料集。只需幾行程式碼，我們立馬就可以提取出與目標簡歷匹配度最高的工作。
下面，讓我們找出最需要的技能：
以及需要最高工作年限的技能：
Web 開發和技術支援需要的工作年限最高，然後是安全設定。
最後，讓我們查下共現率最高的技能對：
小 結
在這篇文章中，我們描述瞭如何利用基於轉換器的 NER 和 spaCy 的關係提取模型，用 Neo4j 建立知識圖譜。除了資訊提取之外，圖的拓撲結構還可以作為其他機器學習模型的輸入。
將 NLP 與圖資料庫 Neo4j 相結合，可以加速許多領域的資訊發現，相比之下，在醫療和生物醫學領域的應用效果更為顯著。
https：//medium。com/m/global-identity？