Ecosyste.ms: Awesome
An open API service indexing awesome lists of open source software.
https://github.com/lemonhu/stock-knowledge-graph
利用网络上公开的数据构建一个小型的证券知识图谱/知识库
https://github.com/lemonhu/stock-knowledge-graph
course-project cypher getting-started knowledge-base knowledge-graph neo4j python3 stock
Last synced: 27 days ago
JSON representation
利用网络上公开的数据构建一个小型的证券知识图谱/知识库
- Host: GitHub
- URL: https://github.com/lemonhu/stock-knowledge-graph
- Owner: lemonhu
- License: mit
- Created: 2018-10-14T12:16:14.000Z (about 6 years ago)
- Default Branch: master
- Last Pushed: 2020-07-23T15:26:02.000Z (over 4 years ago)
- Last Synced: 2024-09-29T17:40:40.135Z (about 1 month ago)
- Topics: course-project, cypher, getting-started, knowledge-base, knowledge-graph, neo4j, python3, stock
- Language: Python
- Homepage:
- Size: 54.9 MB
- Stars: 1,973
- Watchers: 53
- Forks: 595
- Open Issues: 19
-
Metadata Files:
- Readme: README.md
- License: LICENSE
Awesome Lists containing this project
- StarryDivineSky - lemonhu/stock-knowledge-graph
README
# stock-knowledge-graph
A small knowledge graph (knowledge base) construction using data published on the web.
利用网络上公开的数据构建一个小型的证券知识图谱（知识库）。
Welcome to watch, star or fork.
## 工程目录结构
```
stock-knowledge-graph/
├── __init__.py
├── extract.py # extract html pages for executives information
├── stock.py # get stock industry and concept information
├── build_csv.py # build csv files that can import neo4j
├── import.sh
├── data
│ ├── stockpage.zip
│ ├── executive_prep.csv
│ ├── stock_industry_prep.csv
│ ├── stock_concept_prep.csv
│ └── import # import directory
│ ├── concept.csv
│ ├── executive.csv
│ ├── executive_stock.csv
│ ├── industry.csv
│ ├── stock.csv
│ ├── stock_concept.csv
│ └── stock_industry.csv
├── design.png
├── result.txt
├── img
│ ├── executive.png
│ └── executive_detail.png
├── import.report
├── README.md
└── requirements.txt
```
## 数据源
本项目需要用到两种数据源：一种是公司董事信息，另一种是股票的行业以及概念信息。
- **公司董事信息**
这部分数据包含在`data`目录下的`stockpage`压缩文件中，⾥面的每一个文件是以`XXXXXX.html`命名，其中`XXXXXX`是股票代码。这部分数据是由[同花顺个股](http://stockpage.10jqka.com.cn/)的⽹页爬取而来的，执行解压缩命令`unzip stockpage.zip`即可获取。比如对于`600007.html`，这部分内容来自于http://stockpage.10jqka.com.cn/600007/company/#manager
- **股票行业以及概念信息**
这部分信息也可以通过⽹上公开的信息得到。在这里，我们使用[Tushare](http://tushare.org/)工具来获得，详细细节见之后具体的任务部分。
## 任务1：从⽹页中抽取董事会的信息
在我们给定的html文件中，需要对每一个股票/公司抽取董事会成员的信息，这部分信息包括董事会成员“姓名”、“职务”、“性别”、“年龄”共四个字段。首先，姓名和职务的字段来自于：
在这里总共有12位董事成员的信息，都需要抽取出来。另外，性别和年龄字段也可以从下附图里抽取出来：
最后，生成一个 `executive_prep.csv`文件，格式如下：
| 高管姓名 | 性别 | 年龄 | 股票代码 | 职位 |
| :------: | :--: | :--: | :------: | :---------: |
| 朴明志 | 男 | 51 | 600007 | 董事⻓/董事 |
| 高燕 | 女 | 60 | 600007 | 执⾏董事 |
| 刘永政 | 男 | 50 | 600008 | 董事⻓/董事 |
| ··· | ··· | ··· | ··· | ··· |
注：建议表头最好用相应的英文表示。
## 任务2：获取股票行业和概念的信息
对于这部分信息，我们可以利⽤工具`Tushare`来获取，官网为http://tushare.org/ ，使用pip命令进行安装即可。下载完之后，在python里即可调用股票行业和概念信息。参考链接：http://tushare.org/classifying.html#id2
通过以下的代码即可获得股票行业信息，并把返回的信息直接存储在`stock_industry_prep.csv`文件里。
```python
import tushare as ts
df = ts.get_industry_classified()
# TODO 保存到"stock_industry_prep.csv"
```
类似的，可以通过以下代码即可获得股票概念信息，并把它们存储在`stock_concept_prep.csv`文件里。
```python
df = ts.get_concept_classified()
# TODO 保存到“stock_concept_prep.csv”
```
## 任务3：设计知识图谱
设计一个这样的图谱：
- 创建“人”实体，这个人拥有姓名、性别、年龄
- 创建“公司”实体，除了股票代码，还有股票名称
- 创建“概念”实体，每个概念都有概念名
- 创建“行业”实体，每个行业都有⾏业名
- 给“公司”实体添加“ST”的标记，这个由LABEL来实现
- 创建“人”和“公司”的关系，这个关系有董事长、执行董事等等
- 创建“公司”和“概念”的关系
- 创建“公司”和“行业”的关系
把设计图存储为`design.png`文件。
注：实体名字和关系名字需要易懂，对于上述的要求，并不一定存在唯一的设计，只要能够覆盖上面这些要求即可。“ST”标记是⽤用来刻画⼀个股票严重亏损的状态，这个可以从给定的股票名字前缀来判断，背景知识可参考百科[ST股票](https://baike.baidu.com/item/ST%E8%82%A1%E7%A5%A8/632784?fromtitle=ST%E8%82%A1&fromid=2430646)，“ST”股票对应列表为['\*ST', 'ST', 'S*ST', 'SST']。
## 任务4：创建可以导⼊Neo4j的csv文件
在前两个任务里，我们已经分别生成了 `executive_prep.csv`, `stock_industry_prep.csv`, `stock_concept_prep.csv`，但这些文件不能直接导入到Neo4j数据库。所以需要做⼀些处理，并生成能够直接导入Neo4j的csv格式。
我们需要生成这⼏个文件：`executive.csv`, `stock.csv`, `concept.csv`, `industry.csv`, `executive_stock.csv`,
`stock_industry.csv`, `stock_concept.csv`。对于格式的要求，请参考：https://neo4j.com/docs/operations-manual/current/tutorial/import-tool/
## 任务5：利用上面的csv文件生成数据库
```shell
neo4j_home$ bin/neo4j-admin import --id-type=STRING --nodes executive.csv --nodes stock.csv --nodes concept.csv --nodes industry.csv --relationships executive_stock.csv --relationships stock_industry.csv --relationships stock_concept.csv
```
这个命令会把所有的数据导入到Neo4j中，数据默认存放在 graph.db 文件夹里。如果graph.db文件夹之前已经有数据存在，则可以选择先删除再执行命令。
把Neo4j服务重启之后，就可以通过`localhost:7474`观察到知识图谱了。
注意：这些csv要放到``~/.config/Neo4j Desktop/Application/neo4jDatabases/database-xxxx/installation-4.0.4``下，即与bin文件夹同级，否则需要绝对路径
简单查询命令
```bash
# 查询node
MATCH (n:Concept) RETURN n LIMIT 25
# 查询relationship
MATCH p=()-[r:industry_of]->() RETURN p LIMIT 100
```
## 任务6：基于构建好的知识图谱，通过编写Cypher语句回答如下问题
(1) 有多少个公司目前是属于“ST”类型的?
(2) “600519”公司的所有独立董事人员中，有多少人同时也担任别的公司的独立董事职位?
(3) 有多少公司既属于环保行业，又有外资背景?
(4) 对于有锂电池概念的所有公司，独⽴董事中女性⼈员⽐例是多少?
请提供对应的Cypher语句以及答案，并把结果写在`result.txt`。
## 任务7：构建人的实体时，重名问题具体怎么解决？
把简单思路写在`result.txt`文件中。