歡迎光臨
每天分享高質量文章

《三國演義》社交網絡資料分析:最重要的一號人物竟是……

導讀:一直以來對自然語言處理和社交網絡分析都很感興趣,前者能幫助我們從文本中獲得很多發現,而後者能夠讓我們對人們和各個事物之間普遍存在的網絡般的聯繫有更多認識。當二者結合,又會有怎樣的魔力呢?

作為一個三國迷,我就有了這樣的想法:能不能用文本處理的方法,得到《三國演義》中的人物社交網絡,再進行分析呢?python中有很多好工具能夠幫助我實踐我好奇的想法,現在就開始動手吧。

 

作者:blmoistawinde

來源:資料森麟(ID:shujusenlin)

01 準備工作

獲得《三國演義》的文本。

chapters = get_sanguo()                 # 文本串列,每個元素為一章的文本
print(chapters[0][:106])

第一回 宴桃園豪傑三結義 斬黃巾英雄首立功
滾滾長江東逝水,浪花淘盡英雄。是非成敗轉頭空。
青山依舊在,幾度夕陽紅。
白髮漁樵江渚上,慣看秋月春風。一壺濁酒喜相逢。
古今多少事,都付笑談中

《三國演義》並不是很容易處理的文本,它接近古文,我們會面對古人的字號等一系列別名。比如電腦怎麼知道“玄德”指的就是“劉備”呢?那就要我們給它一些知識。我們人通過學習知道“玄德”是劉備的字,電腦也可以用類似的方法完成這個概念的連接。

我們需要告訴電腦,“劉備”是物體(類似於一個物件的標準名),而“玄德”則是“劉備”的一個指稱,告訴的方式,就是提供電腦一個知識庫。

entity_mention_dict, entity_type_dict = get_sanguo_entity_dict()
print("劉備的指稱有:",entity_mention_dict["劉備"])

劉備的指稱有: ['劉備', '劉玄德', '玄德', '使君']

 

除了人的物體和指稱以外,我們也能夠包括三國勢力等別的型別的指稱,比如“蜀”又可以叫“蜀漢”,所以知識庫里還可以包括物體的型別信息來加以區分。

 

print("劉備的型別為",entity_type_dict["劉備"])
print("蜀的型別為",entity_type_dict["蜀"])
print("蜀的指稱有",entity_mention_dict["蜀"])

劉備的型別為 人名
蜀的型別為 勢力
蜀的指稱有 ['蜀', '蜀漢']

 

有了這些知識,理論上我們就可以編程聯繫起物體的各個綽號啦。不過若是要從頭做起的話,其中還會有不少的工作量。而HarvestText[1]是一個封裝了這些步驟的文本處理庫,可以幫助我們輕鬆完成這個任務。

ht = HarvestText()
ht.add_entities(entity_mention_dict, entity_type_dict)      # 加載模型
print(ht.seg("誓畢,拜玄德為兄,關羽次之,張飛為弟。",standard_name=True))

['誓畢', ',', '拜', '劉備', '為兄', ',', '關羽', '次之', ',', '張飛', '為弟', '。']

02 社交網絡建立

成功地把指稱統一到標準的物體名以後,我們就可以著手挖掘三國的社交網絡了。具體的建立方式是利用鄰近共現關係。每當一對物體在兩句話內同時出現,就給它們加一條邊。那麼建立網絡的整個流程就如同下圖所示:

我們可以使用HarvestText提供的函式直接完成這個流程,讓我們先在第一章的小文本上實踐一下:

 

# 準備工作
doc = chapters[0].replace("操","曹操")                                  # 由於有時使用縮寫,這裡做一個微調
ch1_sentences = ht.cut_sentences(doc)     # 分句
doc_ch01 = [ch1_sentences[i]+ch1_sentences[i+1] for i in range(len(ch1_sentences)-1)]  #獲得所有的二連句
ht.set_linking_strategy("freq")

# 建立網絡
G = ht.build_entity_graph(doc_ch01, used_types=["人名"])              # 對所有人物建立網絡,即社交網絡

# 挑選主要人物畫圖
important_nodes = [node for node in G.nodes if G.degree[node]>=5]
G_sub = G.subgraph(important_nodes).copy()
draw_graph(G_sub,alpha=0.5,node_scale=30,figsize=(6,4))

他們之間具體有什麼關係呢?我們可以利用文本摘要得到本章的具體內容:

stopwords = get_baidu_stopwords()    #過濾停用詞以提高質量

for i,doc in enumerate(ht.get_summary(doc_ch01, topK=3, stopwords=stopwords)):
 print(i,doc)

玄德見皇甫嵩、朱儁,具道盧植之意。嵩曰:“張梁、張寶勢窮力乏,必投廣宗去依張角。
時張角賊眾十五萬,植兵五萬,相拒於廣宗,未見勝負。植謂玄德曰:“我今圍賊在此,賊弟張梁、張寶在潁川,與皇甫嵩、朱儁對壘。
次日,於桃園中,備下烏牛白馬祭禮等項,三人焚香再拜而說誓曰:“念劉備、關羽、張飛,雖然異姓,既結為兄弟,則同心協力,

本章的主要內容,看來就是劉關張桃園三結義,並且共抗黃巾賊的故事。

03 三國全網絡繪製

有了小範圍實踐的基礎,我們就可以用同樣的方法,整合每個章節的內容,畫出一張橫跨三國各代的大圖。

G_chapters = []
for chapter in chapters:
   sentences = ht.cut_sentences(chapter)     # 分句
   docs = [sentences[i]+sentences[i+1] for i in range(len(sentences)-1)]
   G_chapters.append(ht.build_entity_graph(docs, used_types=["人名"]))

# 合併各張子圖
G_global = nx.Graph()
for G0 in G_chapters:
   for (u,v) in G0.edges:
       if G_global.has_edge(u,v):
           G_global[u][v]["weight"] += G0[u][v]["weight"]
       else:
           G_global.add_edge(u,v,weight=G0[u][v]["weight"])

# 忽略游離的小分支只取最大連通分量
largest_comp = max(nx.connected_components(G_global), key=len)
G_global = G_global.subgraph(largest_comp).copy()
print(nx.info(G_global))

Name: 
Type: Graph
Number of nodes: 1290
Number of edges: 10096
Average degree:  15.6527

整個社交網絡有1290個人那麼多,還有上萬條邊!那麼我們要把它畫出來幾乎是不可能的,那麼我們就挑選其中的關鍵人物來畫出一個子集吧。

 

important_nodes = [node for node in G_global.nodes if G_global.degree[node]>=30]
G_main = G_global.subgraph(important_nodes).copy()

pyecharts進行可視化

from pyecharts import Graph
nodes = [{"name": "結點1", "value":0, "symbolSize": 10} for i in range(G_main.number_of_nodes())]
for i,name0 in enumerate(G_main.nodes):
   nodes[i]["name"] = name0
   nodes[i]["value"] = G_main.degree[name0]
   nodes[i]["symbolSize"] = G_main.degree[name0] / 10.0
links = [{"source": "", "target": ""} for i in range(G_main.number_of_edges())]
for i,(u,v) in enumerate(G_main.edges):
   links[i]["source"] = u
   links[i]["target"] = v
   links[i]["value"] = G_main[u][v]["weight"]

graph = Graph("三國人物關係力導引圖")
graph.add("", nodes, links)
graph.render("./images/三國人物關係力導引圖.html")
graph

 

博客上不能顯示交互式圖表,這裡就給出截圖:顯示了劉備的鄰接結點

整個網絡錯綜複雜,背後是三國故事中無數的南征北伐、爾虞我詐。不過有了計算機的強大算力,我們依然可以從中梳理出某些關鍵線索,比如:

04 人物排名-重要性

對這個問題,我們可以用網絡中的排序演算法解決。PageRank就是這樣的一個典型方法,它本來是搜索引擎利用網站之間的聯繫對搜索結果進行排序的方法,不過對人物之間的聯繫也是同理。讓我們獲得最重要的20大人物:

page_ranks = pd.Series(nx.algorithms.pagerank(G_global)).sort_values()
page_ranks.tail(20).plot(kind="barh")
plt.show()

《三國演義》當仁不讓的主角就是他們了,哪怕你對三國不熟悉,也一定會對這些人物耳熟能詳。

05 人物排名-權力值

這個問題看上去跟上面一個問題很像,但其實還是有區別的。就像人緣最好的人未必是領導一樣,能在團隊中心起到凝聚作用,使各個成員相互聯繫合作的人才是最有權力的人。中心度就是這樣的一個指標,看看三國中最有權力的人是哪些吧?

between = pd.Series(nx.betweenness_centrality(G_global)).sort_values()
between.tail(20).plot(kind="barh")
plt.show()

結果的確和上面的排序有所不同,我們看到劉備、曹操、孫權、袁紹等主公都名列前茅。而另一個有趣的發現是,司馬懿、司馬昭、司馬師父子三人同樣榜上有名,而曹氏的其他後裔則不見其名,可見司馬氏之權傾朝野。司馬氏之心,似乎就這樣被大資料揭示了出來!

06 社群發現

人物關係有親疏遠近,因此往往會形成一些集團。社交網絡分析里的社區發現演算法就能夠讓我們發現這些集團,讓我使用community庫[2]中的提供的演算法來揭示這些關係吧。

import community                                    # python-louvain
partition = community.best_partition(G_main)         # Louvain演算法劃分社區
comm_dict = defaultdict(list)
for person in partition:
   comm_dict[partition[person]].append(person)

在下麵3個社區里,我們看到的主要是魏蜀吳三國重臣們。(只有一些小“問題”,有趣的是,電腦並不知道他們的所屬勢力,只是使用演算法。)

draw_community(2)

 

community 2: 張遼 曹仁 夏侯惇 徐晃 曹洪 夏侯淵 張郃 許褚 樂進 李典 於禁 
荀彧 劉曄 郭嘉 滿寵 程昱 荀攸 呂虔 典韋 文聘 董昭 毛玠

draw_community(4)

community 4: 曹操 諸葛亮 劉備 關羽 趙雲 張飛 馬超 黃忠 許昌 孟達[魏] 孫乾
曹安民 劉璋 關平 龐德 法正 伊籍 張魯 劉封 龐統 孟獲 嚴顏 馬良 簡雍 蔡瑁 
陶謙 孔融 劉琮[劉表子] 劉望之 夏侯楙 周倉 陳登

draw_community(3)

community 3: 孫權 孫策 周瑜 陸遜 呂蒙 丁奉 周泰 程普 韓當 徐盛 張昭[吳] 馬相 黃蓋[吳] 潘璋 甘寧 魯肅 凌統 太史慈 諸葛瑾 韓吳郡 蔣欽 黃祖 闞澤 朱桓 陳武 呂範

draw_community(0)

 

community 0: 袁紹 呂布 劉表 袁術 董卓 李傕 賈詡 審配 孫堅 郭汜 陳宮 馬騰 
袁尚 韓遂 公孫瓚 高順 許攸[袁紹] 臧霸 沮授 郭圖 顏良 楊奉 張繡 袁譚 董承 
文醜 何進 張邈[魏] 袁熙

還有一些其他社區。比如在這裡,我們看到三國前期,孫堅、袁紹、董卓等主公們群雄逐鹿,好不熱鬧。

draw_community(1)

community 1: 司馬懿 魏延 薑維 張翼 馬岱 廖化 吳懿 司馬昭 關興 吳班 王平 
鄧芝 鄧艾 張苞[蜀] 馬忠[吳] 費禕 譙周 馬謖 曹真 曹丕 李恢 黃權 鐘會 蔣琬
司馬師 劉巴[蜀] 張嶷 楊洪 許靖 費詩 李嚴 郭淮 曹休 樊建 秦宓 夏侯霸 楊儀
 高翔 張南[魏] 華歆 曹爽 郤正 許允[魏] 王朗[司徒] 董厥 杜瓊 霍峻 胡濟 賈充
  彭羕 吳蘭 諸葛誕 雷銅 孫綝 卓膺 費觀 杜義 閻晏 盛勃 劉敏 劉琰 杜祺 上官雝 
  丁咸 爨習 樊岐 曹芳 周群

這個社區是三國後期的主要人物了。這個網絡背後的故事,是司馬氏兩代三人打敗薑維率領的蜀漢群雄,又掃除了曹魏內部的曹家勢力,終於登上權力的頂峰。

07 動態網絡

研究社交網絡隨時間的變化,是個很有意思的任務。而《三國演義》大致按照時間線敘述,且有著極長的時間跨度,順著故事線往下走,社交網絡會發生什麼樣的變化呢?

這裡,我取10章的文本作為跨度,每5章記錄一次當前跨度中的社交網絡,就相當於留下一張快照,把這些快照連接起來,我們就能夠看到一個社交網絡變化的動畫。快照還是用networkx得到,而製作動畫,我們可以用moviepy。

江山代有才人出,讓我們看看在故事發展的各個階段,都是哪一群人活躍在舞臺中央呢?

import moviepy.editor as mpy
from moviepy.video.io.bindings import mplfig_to_npimage
width, step = 10,5
range0 = range(0,len(G_chapters)-width+1,step)
numFrame, fps = len(range0), 1
duration = numFrame/fps
pos_global = nx.spring_layout(G_main)

def make_frame_mpl(t):
   i = step*int(t*fps)
   G_part = nx.Graph()
   for G0 in G_chapters[i:i+width]:
       for (u,v) in G0.edges:
           if G_part.has_edge(u,v):
               G_part[u][v]["weight"] += G0[u][v]["weight"]
           else:
               G_part.add_edge(u,v,weight=G0[u][v]["weight"])
   largest_comp = max(nx.connected_components(G_part), key=len)
   used_nodes = set(largest_comp) & set(G_main.nodes)
   G = G_part.subgraph(used_nodes)
   fig = plt.figure(figsize=(12,8),dpi=100)
   nx.draw_networkx_nodes(G,pos_global,node_size=[G.degree[x]*10 for x in G.nodes])
#     nx.draw_networkx_edges(G,pos_global)
   nx.draw_networkx_labels(G,pos_global)
   plt.xlim([-1,1])
   plt.ylim([-1,1])
   plt.axis("off")
   plt.title(f"第{i+1}到第{i+width+1}章的社交網絡")
   return mplfig_to_npimage(fig)
animation = mpy.VideoClip(make_frame_mpl, duration=duration)

animation.write_gif("./images/三國社交網絡變化.gif", fps=fps)

美觀起見,動畫中省略了網絡中的邊。

隨著時間的變化,曾經站在歷史舞臺中央的人們也漸漸地會漸漸離開,讓人不禁唏噓感嘆。正如《三國演義》開篇所言:

古今多少事,都付笑談中。

今日,小輩利用python做的一番笑談也就到此結束吧……

本文為簡潔起見省略了一些細節代碼,公眾號後臺回覆三國,可以獲取本文代碼地址。

註:

[1] harvesttext是本人的作品,已在Github上開源並可通過pip直接安裝,旨在幫助使用者更輕易地完成像本文這樣的文本資料分析。除了本文涉及的功能以外,還有情感分析、新詞發現等功能。大家覺得有用的話,不妨親身嘗試下,看看能不能在自己感興趣的文本上有更多有趣有用的發現呢?

[2]commutity庫的本名是python-louvain,使用了和Gephi內置相同的Louvain演算法進行社區發現

[3]由於處理古文的困難性,本文中依然有一些比較明顯的錯誤,希望大家不要介意~

關於作者:blmoistawinde, 西南某高校學森一枚,喜歡有意思的資料挖掘分析。希望給世界帶來些清新空氣~個人博客地址:

https://blog.csdn.net/blmoistawinde

    赞(0)

    分享創造快樂