本文约
2600
字，
建议阅读
5
分钟。
如何利用网络上的公开数据构建一个自己的股票证券知识图谱呢？
[ 导读 ]
你不理财财不理你，理财是大家早就达成共识的事情。作为新时代的五好青年，又身具机器学习、深度学习、知识图谱的能力，以自己的专业知识创造财富，应该更有意思。但是，股票证券市场信息繁杂，如何利用网络上的公开数据构建一个自己的股票证券知识图谱呢？GitHub的lemonhu同学，开源了一套解决方案。
github地址：
https://github.com/lemonhu/stock-knowledge-graph
作者：lemonhu
结果预览
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工具来获得，详细细节见之后具体的任务部分。
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。
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。
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。
设计知识图谱
设计一个这样的图谱：
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，“ST”股票对应列表为['*ST', 'ST', 'S*ST', 'SST']。
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：
