如何用NetworkX将多关系图通过Levi变换转为二部图？

可以通过以下简洁高效的方式完成Levi变换，将带谓词标签的边转换为连接实体与谓词节点的无标签边：

核心思路 #

1. 新建有向图（保留原图方向性）作为转换后的二部图载体
2. 复制原图中所有实体节点及其属性
3. 提取所有谓词标签作为新节点加入二部图
4. 将每条原边 (s, o, p) 拆解为两条无标签边 (s, p) 和 (p, o)

代码实现 #

修正原图构建（多关系图建议用MultiDiGraph）

原代码使用DiGraph无法保留同一实体对间的多条不同关系边，改用MultiDiGraph才能正确存储多关系结构：

import networkx as nx

# 构建多关系图
amr_graph = nx.MultiDiGraph()

for node_id, node_string in amr.nodes.items():
    amr_graph.add_node(node_id, name=node_string)

for subj, pred, obj in amr.edges:
    amr_graph.add_edge(subj, obj, key=pred)

执行Levi变换

# 创建转换后的二部图
levi_graph = nx.DiGraph()

# 批量复制所有实体节点及属性
levi_graph.add_nodes_from(amr_graph.nodes(data=True))

# 提取所有谓词并添加为新节点（标记类型便于区分实体与关系）
all_predicates = {p for s, o, p in amr_graph.edges(keys=True)}
levi_graph.add_nodes_from(all_predicates, type="predicate")

# 批量生成并添加转换后的边
levi_graph.add_edges_from(
    pair for s, o, p in amr_graph.edges(keys=True)
    for pair in [(s, p), (p, o)]
)

补充说明 #

• 转换后的图通过节点属性type="predicate"区分谓词节点与实体节点，可直接使用NetworkX的二部图工具模块处理
• 批量操作（add_nodes_from、add_edges_from）比循环单条添加更高效，代码也更简洁

内容的提问来源于stack exchange，提问作者GiacomoFrisoni