SiameseUIE中文-base实操手册：如何将抽取结果生成CSV/Excel/Neo4j图数据库
你是不是经常遇到这样的场景？面对一堆新闻稿、产品评论或者技术文档，需要手动从中找出人名、公司名、产品名，或者分析评论里的情感倾向。手动操作不仅耗时耗力，还容易出错。
今天要介绍的SiameseUIE，就是来解决这个痛点的。它是阿里巴巴达摩院专门为中文信息抽取设计的模型，最大的特点就是“零样本”——你不用准备任何标注数据，只要告诉它你想抽什么，它就能帮你抽出来。
但光抽出来还不够，数据得能用起来才行。这篇文章，我就手把手带你走完从信息抽取到数据应用的完整流程：怎么用SiameseUIE抽数据，然后怎么把这些数据变成CSV表格、Excel文件，甚至导入Neo4j图数据库进行可视化分析。
1. 快速认识SiameseUIE：你的中文信息“挖掘机”
在开始动手之前，我们先花几分钟了解一下这个工具到底能干什么，以及它厉害在哪里。
1.1 核心能力：像人一样理解文本
SiameseUIE本质上是一个理解中文文本的AI模型。你给它一段文字，再给它一个“任务清单”（Schema），它就能自动把清单上的东西找出来。
它能做的两件主要事情：
- 找东西（命名实体识别）：从一段话里找出特定类型的事物。比如，从一篇人物报道里找出所有人名、地名、公司名。
- 找关系（属性情感抽取）：从一段评论里，找出被评价的“属性”和对应的“情感”。比如，从“手机拍照清晰，但电池续航一般”这句话里，找出“拍照-清晰”和“电池续航-一般”这两组关系。
它的优势非常明显：
- 不用训练：这是最大的亮点。传统方法需要你准备成百上千条标注好的数据来训练模型，而SiameseUIE直接就能用。
- 中文特强：专门针对中文的语言习惯（比如分词、成语、省略主语等）做了优化，效果比通用模型好不少。
- 灵活定义：你想抽什么，完全由你定义的Schema决定。今天抽“人物”、“地点”，明天想抽“产品型号”、“技术参数”，改一下Schema就行。
1.2 我们的目标：从抽取到应用
很多教程只讲到“如何抽取”这一步就结束了。但抽出来的数据如果只是躺在JSON文件里，价值就大打折扣。我们这次要完成一个更完整的链路：
原始文本 --(SiameseUIE抽取)--> 结构化JSON数据 --(Python处理)--> CSV/Excel/Neo4j最终，你会得到：
- 一份可以用Excel打开的
.csv文件，方便做统计和筛选。 - 一份格式更漂亮的
.xlsxExcel文件，可以调整样式、做图表。 - 一个可视化的知识图谱（用Neo4j），让你能直观地看到实体之间的关系，比如“人物-就职于-公司”。
2. 环境准备与快速启动
我们使用一个已经配置好的镜像环境，让你跳过复杂的安装和配置，直接上手。
2.1 启动Web服务
按照提供的说明，启动服务后，你应该能在浏览器中访问一个本地网页（通常是http://localhost:7860或类似的地址）。打开后，你会看到一个简洁的Web界面。
这个界面就是我们的主操作台，它已经预置了模型和示例，非常友好。
2.2 理解操作界面
界面主要分为三个部分：
- 输入文本区：粘贴或输入你想要分析的原始中文文本。
- Schema定义区：用JSON格式写明你要抽取什么。这是控制模型行为的“指令”。
- 结果输出区：模型运行后，抽取的结果会以JSON格式显示在这里。
小技巧：界面上有预置的示例，你可以先点击示例按钮，看看它是如何工作的，然后再替换成自己的内容。
3. 第一步：用SiameseUIE抽取结构化数据
现在，我们用一个实际的例子来走通抽取流程。假设我们有一段科技新闻：
“在近日的发布会上，阿里巴巴CEO张勇宣布，阿里云将在杭州新建一座数据中心，并与华为云达成了战略合作。分析师李华认为，此举将加剧云计算市场的竞争。”
我们想从中提取：人物、公司、地点。
3.1 定义抽取Schema
在Schema框里，输入如下JSON。这就像给模型一张“寻物启事”：
{"人物": null, "公司": null, "地点": null}格式很简单：{“你想要的实体类型”: null}。null是固定写法，不用改。
3.2 执行抽取并获取结果
将上面的新闻文本粘贴到输入框，点击“运行”或类似的按钮。稍等片刻，你会在结果区看到类似下面的输出：
{ "抽取实体": { "人物": ["张勇", "李华"], "公司": ["阿里巴巴", "阿里云", "华为云"], "地点": ["杭州"] } }看，模型成功地把我们想要的信息都挖出来了！数据现在是结构化的JSON格式，为后续处理打好了基础。
可能遇到的问题：
- 结果为空：检查Schema的键名是否太模糊或文本中确实没有。可以尝试更通用的键，如“人物”换成“人名”。
- 服务没响应：如果是第一次启动，模型加载可能需要一两分钟。可以通过后台命令
supervisorctl status siamese-uie查看状态。
4. 第二步：将JSON结果转换为CSV/Excel文件
JSON数据虽然结构清晰，但不如表格直观，也不便于用Excel进行大众化的数据分析。我们用Python写一个简单的脚本来完成转换。
4.1 编写Python转换脚本
在你的工作目录下，创建一个名为convert_to_csv.py的文件，并写入以下代码：
import json import pandas as pd import sys def siamese_result_to_csv(json_result, output_csv_path='抽取结果.csv'): """ 将SiameseUIE的JSON输出转换为CSV文件。 参数: json_result: SiameseUIE输出的JSON字符串或字典。 output_csv_path: 输出的CSV文件路径。 """ # 如果输入是字符串，则解析为字典 if isinstance(json_result, str): data = json.loads(json_result) else: data = json_result # 准备一个列表来存储所有行数据 rows = [] # 处理“抽取实体”（NER任务的结果） if '抽取实体' in data: entities = data['抽取实体'] for entity_type, entity_list in entities.items(): for entity in entity_list: rows.append({ '任务类型': '实体识别', '实体类型': entity_type, '内容': entity, '来源文本': 'N/A' # 如果需要关联原文，可以额外传入 }) # 处理“抽取关系”（如ABSA任务的结果） if '抽取关系' in data: relations = data['抽取关系'] # 关系可能是一个列表 if isinstance(relations, list): for rel in relations: # 处理类似 {"属性词": "音质", "情感词": "很好"} 的结构 for key, value in rel.items(): if isinstance(value, dict): # 如果是嵌套字典，继续展开（适配更复杂的Schema） for sub_key, sub_value in value.items(): rows.append({ '任务类型': '关系抽取', '关系主体': key, '关系类型': sub_key, '关系客体': sub_value, '内容': f"{key} -> {sub_value}", '来源文本': 'N/A' }) else: # 简单的键值对关系 rows.append({ '任务类型': '关系抽取', '关系主体': key, '关系类型': '关联', '关系客体': value, '内容': f"{key}: {value}", '来源文本': 'N/A' }) # 如果没有数据，创建一个空DataFrame并保存 if not rows: print("警告：未提取到任何数据。") df = pd.DataFrame(columns=['任务类型', '实体类型', '内容', '来源文本']) else: df = pd.DataFrame(rows) # 保存为CSV df.to_csv(output_csv_path, index=False, encoding='utf-8-sig') # utf-8-sig确保Excel打开不乱码 print(f"转换完成！结果已保存至: {output_csv_path}") return df # --- 示例用法 --- if __name__ == "__main__": # 这是我们从SiameseUIE Web界面得到的JSON结果 example_result = """ { "抽取实体": { "人物": ["张勇", "李华"], "公司": ["阿里巴巴", "阿里云", "华为云"], "地点": ["杭州"] } } """ # 调用函数进行转换 df = siamese_result_to_csv(example_result, '科技新闻_抽取结果.csv') # 同时保存为Excel文件，获得更好的格式 excel_path = '科技新闻_抽取结果.xlsx' df.to_excel(excel_path, index=False, engine='openpyxl') print(f"Excel文件已保存至: {excel_path}") # 打印前几行看看 print("\n生成的数据预览：") print(df.head())4.2 运行脚本并查看结果
在终端中运行这个脚本：
python convert_to_csv.py运行后，你会在当前文件夹下得到两个文件：
科技新闻_抽取结果.csv：可以用文本编辑器或Excel打开。科技新闻_抽取结果.xlsx：拥有更好格式的Excel文件。
打开CSV或Excel文件，你会看到一个清晰的表格：
| 任务类型 | 实体类型 | 内容 |
|---|---|---|
| 实体识别 | 人物 | 张勇 |
| 实体识别 | 人物 | 李华 |
| 实体识别 | 公司 | 阿里巴巴 |
| 实体识别 | 公司 | 阿里云 |
| 实体识别 | 公司 | 华为云 |
| 实体识别 | 地点 | 杭州 |
这样，任何人都可以轻松地对这些数据进行排序、筛选和统计分析了。
5. 第三步：构建知识图谱（导入Neo4j）
表格适合看清单，但要看关系，图谱更直观。比如，我们想看到“张勇”和“阿里巴巴”之间的“CEO”关系。我们需要将数据导入Neo4j图数据库。
5.1 安装并启动Neo4j
首先，确保你有一个运行中的Neo4j实例。你可以从 Neo4j官网 下载桌面版或服务器版。社区版是免费的。
启动Neo4j后，通过浏览器访问http://localhost:7474，使用默认用户名neo4j和密码登录（首次登录会要求修改密码）。
5.2 编写数据导入脚本
创建一个名为import_to_neo4j.py的新文件。这个脚本会读取我们之前生成的CSV数据，并将其转化为图中的“节点”和“关系”。
import pandas as pd from neo4j import GraphDatabase class Neo4jImporter: def __init__(self, uri, user, password): """初始化Neo4j驱动连接""" self.driver = GraphDatabase.driver(uri, auth=(user, password)) def close(self): """关闭连接""" self.driver.close() def create_entity_nodes(self, csv_path): """ 从CSV文件创建实体节点。 节点标签为实体类型（如`人物`），节点属性为`name`。 """ df = pd.read_csv(csv_path) # 筛选出实体识别的数据 entity_df = df[df['任务类型'] == '实体识别'] with self.driver.session() as session: # 清空现有数据（谨慎操作，仅用于示例） session.run("MATCH (n) DETACH DELETE n") print("已清空原有图谱数据。") # 为每个实体创建节点 for _, row in entity_df.iterrows(): entity_type = row['实体类型'] entity_name = row['内容'] # 使用Cypher语句创建节点 query = ( f"MERGE (e:`{entity_type}` {{name: $name}}) " "RETURN e.name AS name" ) session.run(query, name=entity_name) print(f"已创建 {len(entity_df)} 个实体节点。") def create_relationships_from_text(self): """ 基于我们的示例文本，手动创建一些关系。 在实际应用中，这部分逻辑需要根据你的关系抽取结果来动态生成。 这里我们根据已知信息硬编码几个关系作为演示。 """ relationships = [ ("张勇", "CEO", "阿里巴巴"), # 张勇是阿里巴巴的CEO ("阿里云", "LOCATED_IN", "杭州"), # 阿里云数据中心位于杭州 ("阿里巴巴", "OWNS", "阿里云"), # 阿里巴巴拥有阿里云 ("阿里巴巴", "COOPERATE_WITH", "华为云"), # 阿里巴巴与华为云合作 ] with self.driver.session() as session: for from_entity, rel_type, to_entity in relationships: # 先尝试找到头尾实体节点，然后创建关系 # 这里假设节点标签是`人物`、`公司`、`地点`，实际中需要更精确的匹配逻辑 query = ( "MATCH (a {name: $from_name}) " "MATCH (b {name: $to_name}) " f"MERGE (a)-[r:`{rel_type}`]->(b) " "RETURN a.name, type(r), b.name" ) result = session.run(query, from_name=from_entity, to_name=to_entity) # 可以打印结果进行调试 # for record in result: # print(f"创建关系: {record['a.name']} - {record['type(r)']} -> {record['b.name']}") print(f"已创建 {len(relationships)} 条关系。") def run_demo(self, csv_path): """运行完整的导入演示""" try: self.create_entity_nodes(csv_path) self.create_relationships_from_text() print("\n数据导入Neo4j成功！") print("请访问 http://localhost:7474 查看图谱。") print("尝试在查询框中输入：MATCH (n) RETURN n LIMIT 25") except Exception as e: print(f"导入过程中发生错误: {e}") finally: self.close() # --- 示例用法 --- if __name__ == "__main__": # 替换成你的Neo4j连接信息 NEO4J_URI = "bolt://localhost:7687" # 默认Bolt协议端口 NEO4J_USER = "neo4j" NEO4J_PASSWORD = "your_password_here" # 请修改为你的密码 CSV_FILE_PATH = "科技新闻_抽取结果.csv" importer = Neo4jImporter(NEO4J_URI, NEO4J_USER, NEO4J_PASSWORD) importer.run_demo(CSV_FILE_PATH)5.3 运行并可视化图谱
- 修改脚本：将
NEO4J_PASSWORD替换成你自己设置的Neo4j密码。 - 运行脚本：
python import_to_neo4j.py - 查看结果：打开Neo4j浏览器 (
http://localhost:7474)，在顶部查询框中输入MATCH (n) RETURN n LIMIT 25并执行。
你会看到一个可视化的图谱：圆形或方形的节点代表“人物”、“公司”、“地点”，箭头连线代表它们之间的“CEO”、“LOCATED_IN”等关系。你可以点击节点查看属性，拖拽布局，直观地探索数据间的关联。
6. 总结与进阶思路
通过以上三步，我们完成了一个从非结构化文本到多格式结构化数据的完整流水线：
- 信息抽取：利用SiameseUIE零样本能力，快速从文本中提取目标信息。
- 数据转换：使用Pandas将JSON结果转换为更通用的CSV/Excel格式，便于协作和分析。
- 图谱构建：导入Neo4j构建知识图谱，实现数据的可视化关联分析。
进阶思考与优化方向：
- 批量处理：上述例子是单条文本。你可以写一个循环，读取一个包含多篇文章的文本文件，逐篇抽取，最后将所有结果合并到一个大的CSV或数据库中。
- 丰富关系：本例中的关系是手动定义的。你可以设计更复杂的Schema让SiameseUIE直接抽取关系（例如
{"人物": {"就职于": "公司"}}），然后修改导入脚本，自动解析这些关系并创建对应的图谱连线。 - 与流程集成：将这个流水线集成到你的自动化报告中，定期分析舆情、新闻或技术文档，自动生成数据看板和知识图谱更新。
信息抽取是释放文本价值的关键第一步，而让抽取结果“活”起来，在不同的工具和场景中发挥作用，才是其价值的最终体现。希望这个实操手册能帮你打通这“最后一公里”。
获取更多AI镜像
想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。
