基于louvain算法的《三國(guó)演義》文本人物社群劃分研究*

嚴(yán)祥偉 雒偉群

（西藏民族大學(xué)信息工程學(xué)院，陜西 咸陽(yáng) 712082）

0 引言

隨著經(jīng)濟(jì)的發(fā)展，網(wǎng)絡(luò)文字成為當(dāng)前傳遞信息最常用的載體，尤其是文本信息。在當(dāng)前計(jì)算機(jī)應(yīng)用技術(shù)進(jìn)一步成熟的趨勢(shì)下，計(jì)算機(jī)已經(jīng)可以處理身邊的許多事情。其中之一便是對(duì)中文文本的分析和處理。本文將《三國(guó)演義》的人物視作圖的節(jié)點(diǎn)，對(duì)人物之間的關(guān)系抽象成圖的邊，建立了人物關(guān)系網(wǎng)絡(luò)圖，之后對(duì)網(wǎng)絡(luò)圖進(jìn)行了社群結(jié)構(gòu)劃分，將其大致劃分出了魏蜀吳三方勢(shì)力。

社群結(jié)構(gòu)由Newman［1］提出，即在一個(gè)社交網(wǎng)絡(luò)圖中，存在子圖內(nèi)個(gè)體關(guān)系緊密、子圖間個(gè)體關(guān)系稀疏?，F(xiàn)階段復(fù)雜網(wǎng)絡(luò)社群結(jié)構(gòu)劃分方法，主要分為兩種，一種是邊的分離，一種是節(jié)點(diǎn)的聚合。對(duì)于n個(gè)節(jié)點(diǎn)，最多可有條邊，故在大型復(fù)雜網(wǎng)絡(luò)中，邊分離算法由于其較高的時(shí)間復(fù)雜度，明顯不如節(jié)點(diǎn)聚合算法。鑒于此，節(jié)點(diǎn)聚合類算法接連取得進(jìn)展，從Newman等［2］最初提出了一個(gè)模塊度概念。隨后，基于模塊度的社群劃分算法研究逐漸趨于成熟，F(xiàn)N(fast Newman)算法［3］和louvain算法［4］便是基于模塊度的經(jīng)典算法。louvain算法在效率和維度上，是目前公認(rèn)非重疊社區(qū)方法中最好的［5］，被廣泛應(yīng)用于網(wǎng)絡(luò)的社群劃分。

自louvain算法誕生以來(lái)，與此相關(guān)的應(yīng)用如雨后春筍般涌出，林定等［6］在提出一種圖的三維樹(shù)形可視化方法時(shí)，利用了louvain算法對(duì)其中復(fù)雜的網(wǎng)絡(luò)關(guān)系進(jìn)行了層次聚類。徐進(jìn)等［7］利用louvain 算法對(duì)鐵路旅客社會(huì)網(wǎng)絡(luò)進(jìn)行社群劃分，提取出聯(lián)系緊密的的旅客出行團(tuán)體。黃志宏等［8］為了在網(wǎng)絡(luò)威脅入侵日志中準(zhǔn)確發(fā)現(xiàn)攻擊者，使用louvain算法對(duì)攻擊事件特征圖進(jìn)行聚類，以構(gòu)建網(wǎng)絡(luò)攻擊者畫像。生物學(xué)上，馮一城等［9］利用louvain 算法來(lái)分析社團(tuán)演化和木聚糖酶耐熱性的關(guān)系。輿情分析上，韓珂珂等［10］在新冠肺炎期間，對(duì)新浪微博上的33 萬(wàn)條數(shù)據(jù)利用louvain 算法，分析出不同區(qū)域的輿情特點(diǎn)與關(guān)注主題差異。醫(yī)學(xué)上，嚴(yán)明等［11］基于louvain 聚類方法，挖掘連花清瘟膠囊治療上呼吸道感染聯(lián)合用藥方案的規(guī)律。

以上已經(jīng)取得的相關(guān)研究成果，給我們生活帶來(lái)了極大改變，但就目前而言，在文學(xué)上，利用louvain算法對(duì)文中人物的社群劃分卻鮮有研究。尤其是人物關(guān)系錯(cuò)綜復(fù)雜的文學(xué)小說(shuō)。本文對(duì)《三國(guó)演義》人物關(guān)系網(wǎng)絡(luò)進(jìn)行了louvain 算法社群劃分。深度挖掘了文中人物關(guān)系，引導(dǎo)我們從不同角度進(jìn)行思考，旨在幫助讀者深入理解小說(shuō)。

1 louvain算法

louvain 算法由BLONDEL V D、GUILLAUME JL、LAMBIOTTE R、LEFEBVREE 四人提出，也稱BGLL 算法。它是一種基于模塊度（Modularity）Q 的社群劃分算法。模塊度Q 是經(jīng)過(guò)某種特定劃分結(jié)果的聚合性與隨機(jī)劃分結(jié)果聚合性之間的差值［12］，常用來(lái)評(píng)價(jià)社群劃分結(jié)果的質(zhì)量。模塊度Q 越大，表明社群劃分結(jié)果越好。

在一個(gè)有權(quán)的網(wǎng)絡(luò)中，模塊度的定義如公式1：

對(duì)(1)化簡(jiǎn)得公式2：

Σin表示社群C 中所有邊的權(quán)值和，Σtot表示連接到社群C 的所有邊的權(quán)值和。（2）式可以看出社群C 的模塊度為其下各個(gè)社群模塊度之和?？煞謩e進(jìn)行計(jì)算。

Louvain 算法基于模塊度，可對(duì)社群進(jìn)行高效劃分，主要分為兩個(gè)階段。

在第一階段初始時(shí)，我們將每一個(gè)節(jié)點(diǎn)視作一個(gè)獨(dú)立社群。

①按照一定次序遍歷整個(gè)網(wǎng)絡(luò)，對(duì)于每個(gè)節(jié)點(diǎn)，將其嘗試分配到任意鄰居節(jié)點(diǎn)所在的社群，計(jì)算其加入前后，目標(biāo)社群模塊性增量?Q，如果?Q＞0，則將節(jié)點(diǎn)添加進(jìn)使?Q最大的那個(gè)社群。

模塊性增量?Q如公式3：

公式(3)為節(jié)點(diǎn)a 移動(dòng)到社群C，其模塊性增量?！苅n與∑tot含義見(jiàn)公式（2）說(shuō)明。Ka,in表示節(jié)點(diǎn)a到社群C所有邊的權(quán)值和。

②對(duì)所有節(jié)點(diǎn)，迭代執(zhí)行上述步驟，直到?jīng)]有節(jié)點(diǎn)可移動(dòng)。

例如：對(duì)于圖1 左邊所示網(wǎng)絡(luò)圖結(jié)構(gòu)，圖1 右邊為第一階段結(jié)束狀態(tài)。

第二階段時(shí)，我們將前述所得的劃分結(jié)果，重新視為一個(gè)網(wǎng)絡(luò)圖，網(wǎng)絡(luò)圖的節(jié)點(diǎn)為第一階段劃分出的社群，將其視為超節(jié)點(diǎn)。超節(jié)點(diǎn)的權(quán)值為社群內(nèi)部邊的權(quán)值和，超節(jié)點(diǎn)之間邊的權(quán)值為社群外部邊的權(quán)值和。

對(duì)超節(jié)點(diǎn)構(gòu)成的新圖，迭代執(zhí)行①②步驟，直到?jīng)]有超節(jié)點(diǎn)可移動(dòng)。如圖2所示為第二階段結(jié)束狀態(tài)。

2 實(shí)驗(yàn)及結(jié)果分析

以四大名著之一《三國(guó)演義》為例，將其作為實(shí)驗(yàn)對(duì)象，對(duì)其中人物建立網(wǎng)絡(luò)圖，使用三種不同方式可視化，并用louvain算法進(jìn)行社群劃分。

實(shí)驗(yàn)概要設(shè)計(jì)：

（1）實(shí)驗(yàn)前期準(zhǔn)備，列出了實(shí)驗(yàn)環(huán)境及設(shè)備。

（2）數(shù)據(jù)及預(yù)處理，一是說(shuō)明了研究所用文本數(shù)據(jù)及其來(lái)源；二是考慮到中文不存在天然的詞語(yǔ)劃分標(biāo)志，對(duì)《三國(guó)演義》文本進(jìn)行了分詞，并對(duì)其中需要分析的人物建立了實(shí)體，為后續(xù)數(shù)據(jù)分析做準(zhǔn)備。

（3）關(guān)系網(wǎng)絡(luò)圖生成，依照鄰近共現(xiàn)規(guī)則建立人物關(guān)系網(wǎng)絡(luò)圖。

（4）人物關(guān)系網(wǎng)絡(luò)圖可視化，使用三種不同方式對(duì)建立的人物關(guān)系網(wǎng)絡(luò)圖進(jìn)行了可視化。

（5）人物關(guān)系網(wǎng)絡(luò)圖社群劃分，對(duì)人物網(wǎng)絡(luò)圖節(jié)點(diǎn)進(jìn)行了基于louvain 算法社群劃分，劃分出人物社群。

2.1 實(shí)驗(yàn)前期準(zhǔn)備

實(shí)驗(yàn)環(huán)境及設(shè)備如表1：

表1 實(shí)驗(yàn)環(huán)境及設(shè)備

2.2 實(shí)驗(yàn)數(shù)據(jù)及預(yù)處理

2.2.1 獲取文本數(shù)據(jù)。本文所用數(shù)據(jù)為《三國(guó)演義》全文文本，來(lái)源于“古詩(shī)文網(wǎng)”（https://so.gushiwen.cn/guwen/ book_46653FD803893E4F7F702BCF1F7CCE17.aspx）。它的獲取得益于python爬蟲(chóng)技術(shù)，對(duì)其進(jìn)行逐章爬取。

網(wǎng)絡(luò)爬蟲(chóng)通俗來(lái)講是一段在網(wǎng)絡(luò)上自動(dòng)抓取信息的程序，在法律允許的范圍內(nèi)，可以方便快捷的實(shí)現(xiàn)數(shù)據(jù)的搜索和下載。它可以為搜索引擎從萬(wàn)維網(wǎng)上下載網(wǎng)頁(yè)，是搜索引擎的重要組成［13］。傳統(tǒng)網(wǎng)絡(luò)爬蟲(chóng)從一個(gè)初始網(wǎng)頁(yè)的URL開(kāi)始，首先需要獲得初始網(wǎng)頁(yè)上的URL，并響應(yīng)其中內(nèi)容，從當(dāng)前頁(yè)面不斷抽取所需要的信息，或者新的URL 繼續(xù)迭代，直到爬取完所需信息。在python 中有許多可以用于數(shù)據(jù)爬取的第三方庫(kù)，方便快捷易于編寫。

本文使用了python 中兩個(gè)功能強(qiáng)大的爬蟲(chóng)相關(guān)庫(kù)，requests 和lxml。requests 庫(kù)作為一種HTTP 庫(kù)，在urllib 基礎(chǔ)上進(jìn)一步封裝，用來(lái)進(jìn)行網(wǎng)頁(yè)下載，獲取響應(yīng)內(nèi)容。在爬蟲(chóng)中，發(fā)揮主要作用的是lxml網(wǎng)頁(yè)解析庫(kù)，采用了該庫(kù)支持的XPath 解析方式對(duì)網(wǎng)頁(yè)的各個(gè)標(biāo)簽進(jìn)行解析，找到所需文本數(shù)據(jù)后，爬取到txt 文檔即可。將爬取下來(lái)的文本數(shù)據(jù)經(jīng)過(guò)簡(jiǎn)單預(yù)處理后，以json格式存儲(chǔ)。

2.2.2 中文分詞。中文分詞是指將中文文本基于某種需求劃分為“詞”的過(guò)程［14］。目前常用的分詞方法為基于統(tǒng)計(jì)的分詞方法。即是根據(jù)字和詞的統(tǒng)計(jì)信息，把相鄰字間的信息、詞頻及相應(yīng)的共現(xiàn)信息等應(yīng)用于分詞。

Jieba分詞是Python環(huán)境中常用的分詞工具，它屬于基于統(tǒng)計(jì)詞典的分詞方法。有三個(gè)主要特點(diǎn)，一是支持3 種分詞模式，分別是精確模式、全模式、搜索引擎模式；二是支持繁體分詞；三是支持自定義詞典［15］。

于本文來(lái)說(shuō)，由于Jieba 分詞支持自定義詞典，帶給本文了極大便捷。除了自定義詞典，它本身就具有一個(gè)名為dict.txt 的詞典，擁有2000 多個(gè)中文字詞，由人民日?qǐng)?bào)等語(yǔ)料數(shù)據(jù)訓(xùn)練。其大致工作流程為先將載入的dict 詞典生成Trie 樹(shù)，再利用dict 詞典對(duì)輸入句子進(jìn)行切分，生成分詞的有向無(wú)環(huán)圖（DAG）。從DAG圖中可以得出該句子的多種分詞路徑，找出其最短路徑。對(duì)于未登陸詞典的詞，采用隱馬爾可夫模型（Hidden Markov Model）來(lái)預(yù)測(cè)分詞，實(shí)現(xiàn)新詞發(fā)現(xiàn)。使用維特比（Viterbi）算法動(dòng)態(tài)規(guī)劃來(lái)得到分詞和標(biāo)注。最后基于TF-IDF 和textrank 模型來(lái)提取關(guān)鍵詞。隨著大規(guī)模語(yǔ)料庫(kù)建立，jieba 分詞的實(shí)用性較好，能夠?qū)ξ谋具M(jìn)行高效處理。它與python 中相關(guān)工具庫(kù)的結(jié)合，在文本分析、識(shí)別上具有廣闊的應(yīng)用前景。

本文使用內(nèi)置了jieba 的harvesttext 庫(kù)，對(duì)全文文本進(jìn)行切分，實(shí)際操作中分為以下兩個(gè)步驟：

（1）登錄新詞

文本切分時(shí)，如果直接使用常規(guī)分詞，可能將文中的不可分割的名詞分開(kāi)，故應(yīng)先指定出專有名詞，將其作為新詞登錄到詞典中。以下展示了是否登陸新詞的不同分詞結(jié)果：

常規(guī)分詞:武鄉(xiāng)侯/七擒/南蠻/王

登陸“南蠻王”后:武鄉(xiāng)侯/七擒/南蠻王

（2）實(shí)體鏈接

《三國(guó)演義》中許多人物有不同的別稱，如南蠻王即是孟獲的別稱，武鄉(xiāng)侯指的是諸葛亮。此外諸葛亮還有臥龍、孔明等別稱，此時(shí)需要將別稱統(tǒng)一處理，即文中所有地方出現(xiàn)的“臥龍”“孔明”“武鄉(xiāng)侯”，都將其視作“諸葛亮”。為達(dá)到這一目的，我們將專有名詞諸葛亮建成一個(gè)實(shí)體，并指定人名類型，對(duì)實(shí)體的抽取調(diào)用了harvesttext庫(kù)。在本實(shí)驗(yàn)中建立了1064個(gè)人物實(shí)體。

建成實(shí)體，指定類型格式如下：

對(duì)于建成的實(shí)體在分詞時(shí)優(yōu)先切分出來(lái)，而后內(nèi)置的jieba庫(kù)再對(duì)句子進(jìn)行常規(guī)切分，選擇將別稱替換為對(duì)應(yīng)實(shí)體名，如下：

“武鄉(xiāng)侯/七擒/南蠻王”

“諸葛亮/七擒/孟獲”

2.3 關(guān)系網(wǎng)絡(luò)圖的生成

網(wǎng)絡(luò)的構(gòu)建分為節(jié)點(diǎn)和邊的構(gòu)建。提取文中實(shí)體，將其作為網(wǎng)絡(luò)節(jié)點(diǎn)。網(wǎng)絡(luò)邊則定義為實(shí)體之間的聯(lián)系。采用鄰近共現(xiàn)關(guān)系，即兩個(gè)實(shí)體在相鄰兩句話內(nèi)同時(shí)出現(xiàn)，則視之存在聯(lián)系，其間繪制這條邊，由此得到共現(xiàn)網(wǎng)絡(luò)。實(shí)體間聯(lián)系的次數(shù)則以邊的權(quán)重表示，這種共現(xiàn)關(guān)系每出現(xiàn)一次，則邊的權(quán)重加1。

本文的具體操作先將文本切分為單句，形成單句列表［1,2,3,...］，進(jìn)而構(gòu)造成二連句列表，形如［12,23,34,...］，逐個(gè)提取二連句使用harvesttext 庫(kù)處理，該庫(kù)利用鄰近共現(xiàn)規(guī)則，將二連句中實(shí)體和實(shí)體之間的關(guān)系識(shí)別出來(lái)，識(shí)別實(shí)體的過(guò)程稱作命名實(shí)體識(shí)別。最后使用其內(nèi)置的networkx 庫(kù)繪制節(jié)點(diǎn)和邊，形成人物關(guān)系網(wǎng)絡(luò)圖。

如以下二連句示例，及其對(duì)應(yīng)的網(wǎng)絡(luò)如圖3：

①程遠(yuǎn)志大怒，遣副將鄧茂出戰(zhàn)。

②張飛挺丈八蛇矛直出，手起處，刺中鄧茂心窩，翻身落馬。

以上二連句中出現(xiàn)了三個(gè)人物：程遠(yuǎn)志、鄧茂、張飛，則繪制出三個(gè)節(jié)點(diǎn)。由于張飛、程遠(yuǎn)志在相鄰兩句話中只出現(xiàn)了一次，則他們之間加一條邊。由于鄧茂在相鄰兩句話中出現(xiàn)了兩次，則在鄧茂-張飛、鄧茂-程遠(yuǎn)志之間加兩條邊。

在后續(xù)處理其他二連句時(shí)，繼續(xù)向其中加入節(jié)點(diǎn)和邊，逐漸形成全文人物關(guān)系網(wǎng)絡(luò)圖。

2.4 人物關(guān)系網(wǎng)絡(luò)圖的可視化

對(duì)于數(shù)據(jù)的可視化，有多種選擇，最常用的是基于標(biāo)簽云、基于樹(shù)圖以及基于關(guān)聯(lián)的文本可視化。由于本文是人物之間的共現(xiàn)關(guān)系建立的人物關(guān)系網(wǎng)絡(luò)圖，在可視化時(shí)，應(yīng)充分凸顯人物實(shí)體之間的聯(lián)系。為了達(dá)到這一要求，采用基于實(shí)體關(guān)聯(lián)的文本可視化，這種可視化更好的給讀者反映了實(shí)體之間的多層面信息，也更便于社群的劃分及展示。以下使用不同的方式對(duì)建立的網(wǎng)絡(luò)圖進(jìn)行可視化：

2.4.1 matplotlib 庫(kù)可視化網(wǎng)絡(luò)圖。對(duì)于networkx 構(gòu)建的網(wǎng)絡(luò)圖，可直接使用matplotlib庫(kù)進(jìn)行可視化。只需將節(jié)點(diǎn)的度對(duì)應(yīng)為節(jié)點(diǎn)的大小，邊的權(quán)重對(duì)應(yīng)為邊的寬度，調(diào)用pyplot.show（）即可顯示之。這里使用FR（Fruchterman-Reingold）布局算法布局網(wǎng)絡(luò)圖，F(xiàn)R算法基于粒子物理理論，將節(jié)點(diǎn)模擬成原子，模擬原子間的力場(chǎng)來(lái)計(jì)算節(jié)點(diǎn)間的位置關(guān)系，反映了網(wǎng)絡(luò)圖人物之間的“遠(yuǎn)近”。通過(guò)考慮原子間引力和斥力的互相作用，計(jì)算得到節(jié)點(diǎn)的速度和加速度，最終進(jìn)入一種動(dòng)態(tài)平衡狀態(tài)。

以每個(gè)章節(jié)作為建圖最小單位，即可研究任意章節(jié)范圍的人物關(guān)系。對(duì)第49 章（赤壁之戰(zhàn)）建立的人物關(guān)系網(wǎng)絡(luò)圖有40 個(gè)節(jié)點(diǎn)，篩選出節(jié)點(diǎn)度大于等于5的人物節(jié)點(diǎn)如圖4。圖中有23 個(gè)主要人物，其中黃蓋、周瑜、諸葛亮、曹操節(jié)點(diǎn)較大，連線較寬，視為赤壁之戰(zhàn)的主角，符合史實(shí)。

分別建立120 個(gè)章節(jié)的人物網(wǎng)絡(luò)圖，然后將其合并成一個(gè)總的網(wǎng)絡(luò)圖，總圖表現(xiàn)了三國(guó)演義中1064個(gè)人物實(shí)體的關(guān)系。取總圖最大連通分量，并篩選出度大于等于50 的人物節(jié)點(diǎn)。得到全文的85 個(gè)主要人物網(wǎng)絡(luò)如圖5所示，處于全圖中心位置，節(jié)點(diǎn)大的視為全文的核心人物。

2.4.2 pyecharts 庫(kù)可視化網(wǎng)絡(luò)圖。對(duì)于已經(jīng)構(gòu)建好的networkx 型Graph 圖，還可以進(jìn)一步重構(gòu)節(jié)點(diǎn)和邊的數(shù)據(jù)，將其改造成pyecharts 庫(kù)可識(shí)別的結(jié)構(gòu)，并調(diào)用pyecharts庫(kù)進(jìn)行可視化，生成一個(gè)Echarts圖表。

Echarts 是一個(gè)使用JavaScrit 實(shí)現(xiàn)的開(kāi)源可視化庫(kù)，在python 環(huán)境下需通過(guò)PyEcharts 庫(kù)對(duì)接口進(jìn)行調(diào)用，生成的Echarts 圖表，可流暢地運(yùn)行在PC 和移動(dòng)設(shè)備上，兼容當(dāng)前絕大部分瀏覽器［16］，圖表作為一個(gè)獨(dú)立網(wǎng)頁(yè)存在。使用Pyecharts 生成的網(wǎng)絡(luò)圖如圖6，相比matplotlib 生成的人物網(wǎng)絡(luò)，具有的一定的可交互性。

2.4.3 Gephi 軟件可視化網(wǎng)絡(luò)圖。生成網(wǎng)絡(luò)圖時(shí)，不僅可以在python 環(huán)境下調(diào)用第三方庫(kù)，還可以借助分析網(wǎng)絡(luò)圖更專業(yè)的Gephi軟件。Gephi基于JVM開(kāi)發(fā)，可用于多種網(wǎng)絡(luò)和復(fù)雜系統(tǒng)的可視化，它在應(yīng)對(duì)復(fù)雜網(wǎng)絡(luò)系統(tǒng)上，能進(jìn)行更強(qiáng)大的人機(jī)交互性分析［17］。在構(gòu)建pyecharts 型人物網(wǎng)絡(luò)圖時(shí)，可將節(jié)點(diǎn)和邊的信息連帶輸出，生成一個(gè)csv 文件，使用Gephi 軟件打開(kāi)該csv 文件，即可得到人物網(wǎng)絡(luò)如圖7 所示，在Gephi 軟件中可以對(duì)圖進(jìn)行更多的交互性操作。

2.5 人物關(guān)系網(wǎng)絡(luò)圖社群劃分

對(duì)于建立的人物關(guān)系網(wǎng)絡(luò)圖，我們采用louvain算法對(duì)其進(jìn)行社群劃分。

由于《三國(guó)演義》全文時(shí)間跨度較長(zhǎng)，到第98 回，孫權(quán)最后一個(gè)稱帝時(shí)，三國(guó)鼎立完全建立。我們?nèi)∏?8個(gè)章節(jié)，建立全網(wǎng)絡(luò)圖。同樣篩選出節(jié)點(diǎn)度大于等于50的人物，計(jì)72個(gè)主要人物，進(jìn)行基于louvain算法的社群劃分。使用louvain 算法將前98 個(gè)章節(jié)人物關(guān)系圖劃分結(jié)果如圖8～10。

在圖中大致劃分出了魏蜀吳三方勢(shì)力：

魏勢(shì)力中人物多而雜，不僅有曹魏將領(lǐng)，也有曹操早期敵對(duì)人物，這是由于曹操發(fā)跡于北方，從起兵征伐董卓開(kāi)始，歷經(jīng)數(shù)十年征戰(zhàn)，消滅呂布、袁術(shù)、袁紹等，驅(qū)逐馬超、馬岱，一統(tǒng)北方。使曹魏政權(quán)有了在北方大片地區(qū)建立的基礎(chǔ)。故這些早期敵對(duì)人物也都出現(xiàn)在了曹魏北方集團(tuán)里。

蜀勢(shì)力中，人物節(jié)點(diǎn)較多較大，主要因?yàn)樽髡吡_貫中，較為傾向蜀漢正統(tǒng)。從《三國(guó)演義》開(kāi)篇從桃園三結(jié)義講起，以劉關(guān)張、諸葛亮等作為主線，詳細(xì)敘述了他們的經(jīng)歷。故蜀漢集團(tuán)人物出場(chǎng)次數(shù)較多。值得注意的是，司馬懿也赫然在列，這是由于司馬懿本身出場(chǎng)比較晚，加上曹操在世時(shí)，未重用司馬懿，導(dǎo)致他出場(chǎng)率不是很高。直到諸葛亮北伐時(shí)，曹睿才被迫啟用司馬懿，他的大多數(shù)出場(chǎng)都與諸葛亮鄰近共現(xiàn)。在建立網(wǎng)絡(luò)圖時(shí)，系統(tǒng)并不知道司馬懿和諸葛亮作為對(duì)手而存在，只是按照鄰近共現(xiàn)的規(guī)則將他們一同提取出來(lái)，所以二者的聯(lián)系相對(duì)緊密，甚至超過(guò)了在各自集團(tuán)中與其他人的聯(lián)系程度。所以司馬懿被系統(tǒng)錯(cuò)誤的劃進(jìn)了蜀集團(tuán)。

吳勢(shì)力中，出現(xiàn)人物較少，這是由于在《三國(guó)演義》中，許多篇幅描寫的都是蜀漢正統(tǒng)和曹魏篡漢政權(quán)的爭(zhēng)斗，東吳集團(tuán)從孫堅(jiān)父子三人開(kāi)始，便處于割據(jù)勢(shì)力，很少主動(dòng)參與中原爭(zhēng)斗，在三足鼎立中作為平衡的杠桿，相比其他兩方，人物出場(chǎng)次數(shù)較少。

3 結(jié)束語(yǔ)

本文結(jié)合python 數(shù)據(jù)處理技術(shù)對(duì)《三國(guó)演義》文本人物進(jìn)行了社群劃分。在爬取全文文本數(shù)據(jù)后，使用中文分詞技術(shù)對(duì)其進(jìn)行處理，并將《三國(guó)演義》的人物依據(jù)鄰近共現(xiàn)關(guān)系建立人物關(guān)系網(wǎng)絡(luò)圖。對(duì)網(wǎng)絡(luò)圖分別使用matplotlib 庫(kù)、pyecharts 庫(kù)、gephi 軟件進(jìn)行可視化。實(shí)驗(yàn)結(jié)果對(duì)人物進(jìn)行了基于louvain 算法的社群劃分，劃分結(jié)果有一定的趣味性，在激發(fā)讀者興趣、提供專業(yè)讀者以不同角度的思考方面，有一定的應(yīng)用價(jià)值。

但本文的不足之處也顯而易見(jiàn)：一是使用鄰近共現(xiàn)規(guī)則建圖，只能識(shí)別人物在文中物理位置的“鄰近”，無(wú)法識(shí)別文章作者真正想表達(dá)的“親疏”關(guān)系；二是在社群劃分時(shí)，只是單純使用louvain 算法進(jìn)行劃分。并未對(duì)算法加以改進(jìn)或融合適宜文本人物關(guān)系劃分的某種方法，以致劃分結(jié)果并不十分精確。

后續(xù)研究可圍繞這兩個(gè)問(wèn)題，以期將文本人物的親疏遠(yuǎn)近精確的劃分出來(lái)，從《三國(guó)演義》文本推而廣之到其他文本。