1.6.1　第一步：数据的准备

做知识图谱的第一步（也是重要的步骤）就是数据的准备。数据的来源多种多样，既有不同类型的数据集，也有根据项目需求由项目组自行准备的数据集。本例中笔者准备一份体育影视明星数据，形式如图1.28所示。

图1.28　一份体育影视明星数据集

文本是由json这种非结构化数据构成的，不同的key值对应不同的内容。获取其内容的方法可以采用字典的形式进行。数据集中需要注意的是以下几个特定的key：

• text：文本内容。
• new_spo_list：三元组实体组合。
• s：主体。
• p：依赖关系。
• o：属性。
• entity：内容。