您现在的位置是：首页 > 行业新闻 > 智能汽车 > 正文

智能汽车

新浪财经知识图谱解译平台（新浪财经）新浪财经app官网下载期货软件，

147小编 2024-05-31智能汽车

新浪财经知识图谱解译平台经济就是人们生产、流通、分配、消费一切物质精神资料的总称。经济的发展与人民生活息息相关。新浪财经是国内第一大财经网络媒体。新浪财经打造高端新闻资讯，深度挖掘业内信息，全程报………

新浪财经知识图谱解译平台

经济就是人们生产、流通、分配、消费一切物质精神资料的总称。经济的发展与人民生活息息相关。

新浪财经是国内第一大财经网络媒体。新浪财经打造高端新闻资讯，深度挖掘业内信息，全程报道80%以上的业界重要会议及事件，独家率达90%，是最具影响力的主流媒体平台。同时，新浪财经也开发出如金融超市、股市行情、基金筛选器、呼叫中心，金融产物在线查询等一系列实用产物，资助网民理财，是最为贴心实用的服务平台。除此之外，新浪财经为网友搭建互动、交流、学习的财经大平台。财经博客、财经吧、模拟股市、模拟汇市等均成为业界最早、人气最旺、最知名的财经互动社区。

基于领先的财经资讯和贴心的产物服务，新浪财经吸引了非常庞大的高端用户群，已经成为金融行业客户进行网络营销的主要平台，同时也获得了非金融类客户的广泛青睐。

本项目爬取新浪财经中的股票信息，制作成知识图谱，并实验对知识图谱进行解译。

项目设计

项目设计如图，web前端接收用户输入，将用户输入发送到后台的用户服务器，并由用户服务器转发到语义解析服务，语义解析根据用户输入信息转化为sparql语言，发送给用户服务器，用户服务器再将sparql发送到知识图谱库中查找结果返回给用户服务器，最终用户服务器将结果显示到前端。

数据获取以及构建知识图谱

使用软件对新浪财经网站进行爬取，爬取后的数据生存为Excel文件。

使用python读取Excel并根据数据格式自定义三元组，将三元组生存为.shtml.nt文件，代码如下。

在GraphDB上新开一个知识库，将.shtml.nt文件导入到知识库中

import pandas as pd import numpy as np df = pd.read_excel(新浪行业_板块行情_新浪财经_新浪网.xlsx) with open(SinaFinance.shtml.nt,w,encoding=utf-8) as fp: fp.write(<http://www.wust.edu.cn/zg#SinaFinance> <http://www.wust.edu.cn/zg/sct#hasEnglishLabel> "Sina Finance".\n) fp.write(<http://www.wust.edu.cn/zg#SinaFinance> <http://www.wust.edu.cn/zg/sct#hasChineseLabel> "新浪财经".\n) fp.write(<http://www.wust.edu.cn/zg#SinaFinance> <http://www.wust.edu.cn/zg/sct#hasUrl> "http://finance.sina.com.cn/".\n) classes = np.array(df[板块]).astype(np.str) for i,v in enumerate(classes): fp.write(<http://www.wust.edu.cn/zg#SinaFinance> <rdfs:subClassOf> <http://www.wust.edu.cn/zg#sinaclass+str(i+1)+>.\n) import pandas as pd import numpy as np df = pd.read_excel(新浪行业_板块行情_新浪财经_新浪网.xlsx) df2 = pd.read_excel(行情中心_新浪财经_新浪网.xlsx) with open(SinaClass.shtml.nt,w,encoding=utf-8) as fp: classes = np.array(df[板块]).astype(np.str) for i,v in enumerate(classes): fp.write(<http://www.wust.edu.cn/zg#sinaclass+str(i+1)+> <http://www.wust.edu.cn/zg/sct#hasChineseLabel> "+v+".\n) classes = np.array(df[链接地址]).astype(np.str) for i,v in enumerate(classes): fp.write(<http://www.wust.edu.cn/zg#sinaclass+str(i+1)+> <http://www.wust.edu.cn/zg/sct#hasUrl> "+v+".\n) id = np.array(df2[页面网址]).astype(np.str) id2 = np.array(df[链接地址]).astype(np.str) for i,v in enumerate(id): for j,k in enumerate(id2): if v.split(#)[-1]==str(k).split(#)[-1] and not pd.isnull(df2.loc[i,代码]): fp.write(<http://www.wust.edu.cn/zg#sinaclass+str(j+1)+> <rdfs:subClassOf> <http://www.wust.edu.cn/zg/stockID#+str(df2.loc[i,代码])+>.\n) with open(Stock.shtml.nt,w,encoding=utf-8) as fp: id = np.array(df2[代码]).astype(np.str) for i,v in enumerate(id): fp.write(<http://www.wust.edu.cn/zg/stockID#+str(v)+> <http://www.wust.edu.cn/zg/sct#ID> "+str(v)+".\n) fp.write(<http://www.wust.edu.cn/zg/stockID#+str(v)+> <http://www.wust.edu.cn/zg/sct#hasChineseLabel> "+str(df2.loc[i,名称])+".\n) fp.write(<http://www.wust.edu.cn/zg/stockID#+str(v)+> <http://www.wust.edu.cn/zg/sct#hasUrl> "+str(df2.loc[i,代码_链接])+".\n)