通過這幾天對於知識圖譜的簡單構建，簡單地瞭解到了對應的知識圖譜中相關的工作原理。

對於networkx構建知識圖譜的學習本來打算是昨天就完結了，可是在昨天的最後測試中發現了對應新增動態知識的過程還存在bug，因此今天對其進行最終的改進。

昨天對之前編寫的知識圖譜添加了動態提取知識的功能，其中對應的動態知識提取的功能在句子的前面還添加了對應的node1節點，在平時時候的時候node1節點並不是一定要放在第一個位置的，因此今天打算通過對昨天提取動態知識的函式進行一個。

昨天編寫的最終動態知識提取的時候

可以看到自定義句型中

這一句我們在自定義動態語句的時候，對應的主語前面並沒有新增上node1節點，可是最終的結果中，依舊存在node1（揭陽）

因此我們需要對之前的原子處理的部分進行一個改進。讓其在處理簡單的知識的時候，自動對對應的句子新增上node1，在處理動態知識的時候，則只考慮自定義函式中的返回值。

首先對原子處理部分進行簡單的更改（思路：返回時新增一個返回布林值，當返回布林值為True時，則新增node1節點）

# 原子資訊處理
def nlp_atom_handle(digraph: nx.DiGraph, node1, node2, relation="relation"):
    ptype = get_nodes_relation(digraph, node1, node2, relation)
    n_2 
 
= str(node2)
    n_1 = str(node1)
    try:
        n_relation = str(digraph[node1][node2][relation])
    except:
        n_relation= str(digraph[node2][node1][relation])
    global dictfunction
    try:
        if not dictfunction:
            dictfunction = {}
    except:
        dictfunction = {}
    
 
if (dictfunction):
        if (node1 in dictfunction):
            return dictfunction[node1](digraph, node1, node2, n_relation, relation),False
        elif (relation in dictfunction):
            return dictfunction[n_relation](digraph, node1, node2, n_relation, relation),False
        elif (node2 in dictfunction):
            return dictfunction[node2](digraph, node1, node2, n_relation, relation),False
    if (ptype == 4):
        return "是" + n_2 + "的" + n_relation,True
    elif (ptype == 3):
        return n_relation + n_2 + ";" + n_2 + n_relation + n_1,True
    elif (ptype == 2):
        return n_2 + n_relation + n_1,True
    elif (ptype == 1):
        return n_relation + n_2,True
    else:
        return None,True

則對應的nlp中要加入判斷來對根據返回布林值進行相應的操作

# 處理長距離節點關係
def nlp_nodes(digraph: nx.DiGraph, node1, node2, relation="relation"):
    try:
        path = nx.dijkstra_path(digraph, node1, node2, weight='weight')
        # result = str(node1)
        result=""
        for i in range(len(path) - 1):
            if(i==0):
                _,g_judge=nlp_atom_handle(digraph, path[i], path[i + 1], relation)
                if not g_judge:
                    result=""
                else:
                    result+=str(node1)
            result += nlp_atom_handle(digraph, path[i], path[i + 1], relation)[0]
            if (i != len(path) - 2):
                result += ","
            else:
                result += "。"
    except Exception:
        result = str(node1) + "和" + str(node2) + "沒有任何關係。"
    return result


# 單節點釋義（What）
def nlp_node(digraph: nx.DiGraph, node1, relation="relation"):
    try:
        result = str(node1) + "(" + str(digraph.nodes[node1]['attribute']) + ")"
        path = [one for one in digraph.neighbors(node1)]
        for i in range(len(path)):
            if (i == 0):
                _, g_judge =  nlp_atom_handle(digraph, node1, path[i], relation)
                if not g_judge:
                    result = ""
            result += nlp_atom_handle(digraph, node1, path[i], relation)[0]
            if (i != len(path) - 1):
                result += ","
        result += "。"
        prepath = path
        path = [one for one in digraph.predecessors(node1) if one not in prepath]

        for i in range(len(path)):
            result += nlp_atom_handle(digraph, node1, path[i], relation)[0]
            if (i != len(path) - 1):
                result += ","
            else:
                result += "。"
    except Exception:
        result = "知識圖譜中不存在" + str(node1)
    return result

在執行同樣的程式碼之後

執行結果如下：

可以看到最終的結果已經沒有了node1（揭陽）的主語。