前言

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(fā)現，而后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系有更多認識。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。

準備工作

獲得《三國演義》的文本。

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

第一回 宴桃園豪杰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。白發(fā)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》并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。比如電腦怎么知道“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”是實體（類似于一個對象的標準名），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']

除了人的實體和指稱以外，我們也能夠包括三國勢力等別的類型的指稱，比如“蜀”又可以叫“蜀漢”，所以知識庫里還可以包括實體的類型信息來加以區(qū)分。

print("劉備的類型為",entity_type_dict["劉備"])print("蜀的類型為",entity_type_dict["蜀"])print("蜀的指稱有",entity_mention_dict["蜀"])劉備的類型為 人名蜀的類型為 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系起實體的各個綽號啦。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，可以幫助我們輕松完成這個任務。

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','。']

社交網絡建立

成功地把指稱統一到標準的實體名以后，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系。每當一對實體在兩句話內同時出現，就給它們加一條邊。那么建立網絡的整個流程就如同下圖所示：

我們可以使用HarvestText提供的函數直接完成這個流程，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") # 由于有時使用縮寫，這里做一個微調ch1_sentences = ht.cut_sentences(doc) # 分句doc_ch01 = [ch1_sentences[i]+ch1_sentences[i+1]foriinrange(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 = [nodefornodeinG.nodesifG.degree[node]>=5]G_sub = G.subgraph(important_nodes).copy()draw_graph(G_sub,alpha=0.5,node_scale=30,figsize=(6,4))

他們之間具體有什么關系呢？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fori,docinenumerate(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，相拒于廣宗，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，于桃園中，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?zhí)覉@三結義，并且共抗黃巾賊的故事。

三國全網絡繪制

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

G_chapters = []forchapter in chapters: sentences = ht.cut_sentences(chapter) # 分句 docs = [sentences[i]+sentences[i+1]fori inrange(len(sentences)-1)] G_chapters.append(ht.build_entity_graph(docs, used_types=["人名"]))# 合并各張子圖G_global = nx.Graph()forG0 in G_chapters: for(u,v) in G0.edges: ifG_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: GraphNumber of nodes:1290Number of edges:10096Average degree: 15.6527

整個社交網絡有1290個人那么多，還有上萬條邊！那么我們要把它畫出來幾乎是不可能的，那么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()

用pyecharts進行可視化

frompyechartsimportGraphnodes = [{"name":"結點1","value":0,"symbolSize":10}foriinrange(G_main.number_of_nodes())]fori,name0inenumerate(G_main.nodes): nodes[i]["name"] = name0 nodes[i]["value"] = G_main.degree[name0] nodes[i]["symbolSize"] = G_main.degree[name0] /10.0links = [{"source":"","target":""}foriinrange(G_main.number_of_edges())]fori,(u,v)inenumerate(G_main.edges): links[i]["source"] = u links[i]["target"] = v links[i]["value"] = G_main[u][v]["weight"]graph = Graph("三國人物關系力導引圖")graph.add("", nodes, links)graph.render("./images/三國人物關系力導引圖.html")graph

博客上不能顯示交互式圖表，這里就給出截圖：顯示了劉備的鄰接結點

整個網絡錯綜復雜，背后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：

人物排名-重要性

對這個問題，我們可以用網絡中的排序算法解決。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系對搜索結果進行排序的方法，不過對人物之間的聯系也是同理。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。

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(qū)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，使各個成員相互聯系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(fā)現是，司馬懿、司馬昭、司馬師父子三人同樣榜上有名，而曹氏的其他后裔則不見其名，可見司馬氏之權傾朝野。司馬氏之心，似乎就這樣被大數據揭示了出來！

社群發(fā)現

人物關系有親疏遠近，因此往往會形成一些集團。社交網絡分析里的社區(qū)發(fā)現算法就能夠讓我們發(fā)現這些集團，讓我使用community庫[2]中的提供的算法來揭示這些關系吧。

importcommunity # python-louvainpartition = community.best_partition(G_main) # Louvain算法劃分社區(qū)comm_dict = defaultdict(list)forpersoninpartition: comm_dict[partition[person]].append(person)

在下面3個社區(qū)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，電腦并不知道他們的所屬勢力，只是使用算法。）

draw_community(2)

community2: 張遼 曹仁 夏侯惇 徐晃 曹洪 夏侯淵 張郃 許褚 樂進 李典 于禁荀彧 劉曄 郭嘉 滿寵 程昱 荀攸 呂虔 典韋 文聘 董昭 毛玠

draw_community(4)

community4: 曹操 諸葛亮 劉備 關羽 趙云 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 呂范

draw_community(0)

community0: 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 董承文丑 何進 張邈[魏]袁熙

還有一些其他社區(qū)。比如在這里，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)

community1: 司馬懿 魏延 姜維 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]費祎 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(qū)是三國后期的主要人物了。這個網絡背后的故事，是司馬氏兩代三人打敗姜維率領的蜀漢群雄，又掃除了曹魏內部的曹家勢力，終于登上權力的頂峰。

動態(tài)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(fā)生什么樣的變化呢？

這里，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，就相當于留下一張快照，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，而制作動畫，我們可以用moviepy。

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

importmoviepy.editorasmpyfrommoviepy.video.io.bindingsimportmplfig_to_npimagewidth, step =10,5range0 = range(0,len(G_chapters)-width+1,step)numFrame, fps = len(range0),1duration = numFrame/fpspos_global = nx.spring_layout(G_main)defmake_frame_mpl(t): i = step*int(t*fps) G_part = nx.Graph() forG0inG_chapters[i:i+width]: for(u,v)inG0.edges: ifG_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]*10forxinG.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") returnmplfig_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……