HyponymyExtraction and Graph based on KB Schema, Baike-kb and online text extract, 基于知识概念体系，百科知识库，以及在线搜索结构化方式的词语上下位抽取．

上下位关系是语言学概念。概括性较强的单词叫做特定性较强的单词的上位词（hypernym），特定性较强的单词叫做概括性较强的单词的下位词(hyponym)。比如我们说，苹果是一种水果，苹果就是水果的一个下位词，也可以称为一个实例，而水果则是苹果的一个上位词，也可以称为一个类．
上下位这种语义关系是整个词汇语义关系中的一个重要内容，通过上下位关系，可以将世间万物进行组织和练联系起来，对于增进人们对某一实体或概念的认知上具有重要帮助
自然语言文本中存储着大量的上下位关系知识，如经过语言专家编辑整理形成的概念语义词典，如同义词词林，中文主题概念词典，hownet等，也存在开放百科知识平台当中，有效地利用这些信息，能够支持多项应用，如：

1. 基于上下位关系的知识问答
2. 基于上下位关系的知识推荐
3. 基于上下位关系的文本理解 本项目主要解决第一个问题，本项目的应用场景是：用户输入一个需要了解的词语，后台通过查询既定知识库，从百百科知识库，在线非结构化文本中进行抽取，形成关于该词语的上下位词语网络，并以图谱这一清晰明了的方式展示出来．

1)基于既定知识库的直接查询，对应extract_kb
2)基于在线百科知识库的抽取，对应extract_baike
3)基于在线文本的结构化抽取，对应extract_text

使用方式：进入extract_kb, 设定需要查询的词word，指定python kb_search.py, 会生成相应的html文件,为最终展示结果

苹果上下位 长江上下位 孔子上下位

使用方式：进入extract_baike要查询的词word，指定python Baike_search.py, 会生成相应的html文件,为最终展示结果

苹果上下位 小米上下位 姚明上下位

If any question about the project or me ,see https://liuhuanyong.github.io/