一、项目概述1.1 项目目标
要构建出结构化、同时关联化、并且可推理的唐诗宋词领域知识图谱, 还要打通诗人、以及词作、再加上朝代、还有意象、包括典故、涉及地理、有关格律、关乎情感这八大核心维度的关联关系, 最终实现将古典诗词知识予以系统化进行梳理、能够智能检索、可以关联推理、能够可视化展示, 如此方能支撑诗词研学、智能问答、内容解析、文化溯源等应用场景, 进而解决传统诗词资料零散、关联力量薄弱、难以进行数字化复用的痛点。
1.2 建设范围1.3 建设思路
运用自上往下的本体定义以及自下往上的数据抽取这种双模式来构建逻辑, 首先构建标准化的诗词领域本体框架, 接着借助数据采集、数据清洗、实体抽取、关系对齐、知识融合、图谱推理以及可视化落地等操作, 从而达成全流程图谱的搭建, 以此支持后续的持续迭代扩容。
二、总体技术架构
整体架构被划分成五层架构, 具备轻量化的特性, 易于实行部署操作, 拥有可以拓展的能力, 能够适配学术研究的该项需求及其数字化产品落地的相关要求:
数据层: 有着权威典籍数据, 还有公开开源诗词库, 包含百科注释, 以及格律词典和典故库, 预处理层: 要进行数据爬取, 接着清洗, 再分词去噪, 然后归一化, 还要去重纠错, 知识构建层: 需做本体定义, 进行实体识别, 实施关系抽取, 完成属性匹配, 实现知识融合, 存储计算层: 运用 Neo4j 图数据库存储图谱, 提供支持查询, 进行知识推理, 开展关联计算, 应用展示层: 实现图谱可视化, 进行智能检索, 开展关联分析, 进行诗词问答, 做数据统计, 三、 核心本体设计（核心规范）
知识图谱的核心标准是本体, 本次方案界定了8大类实体, 还有22种核心关系, 以及百余项标准化属性, 其覆盖了唐诗宋词全维度知识体系。
3.1 核心实体定义（8 大类）
表格
实体类型
实体说明
核心属性
示例
诗词作品
唐诗、宋词单篇作品
题目称谓、原本文字、文学样式、具体年代、进行创作的年份期间、字词数量、诗歌格律、诗词韵脚、所表达情感、来源出处。
《静夜思》《水调歌头・明月几时有》
诗人词人
唐宋诗词创作者
人的称呼、别名、所处年代、出生与死亡年份、出生地、担任的官职、所属类别、代表作品、一生经历的一系列要事。
李白、杜甫、苏轼、李清照
朝代时期
创作所属历史时段
朝代名称、起止年份、时代特征、文学风气
初唐、盛唐、晚唐、北宋、南宋
地理地点
创作地、籍贯、游历地、典故属地
古地名、今地名、所属区域、地理释义
蜀地、临安、黄鹤楼、洞庭湖
文学意象
诗词高频象征物象
意象名称、通用寓意、唐宋专属寓意、高频关联诗词
明月、杨柳、鸿雁、流水、落花
典故史实
诗词引用的历史典故、典籍出处
典故名称、溯源典籍、原文释义、适用场景
庄生晓梦、鸿雁传书、兰亭雅集
诗词流派
唐宋诗词文学流派
流派名称、风格特征、代表人物、创作特点
边塞诗派、田园诗派、婉约派、豪放派
格律词牌
诗词格律规则、宋词词牌
名称、句式、字数、韵式、平仄规则、代表作
五言绝句、七律、沁园春、渔家傲
3.2 核心关系定义（22 种）
所有的关系, 呈现为双向可溯源的三元组, 也就是那种头实体与关系以及尾实体所构成的三元组, 它是图谱关联的核心。
这是关于知识溯源, 其包含典故出自, 典故出自典籍；意象关联寓意, 意象关联特定释义 ；流派风格包含, 流派里有着创作特征。这是关于拓展关联, 其涵盖了化用作品, 化用作品是诗词到诗词, 以及相互唱和, 相互唱和是诗人与诗人这间。这是关于人物关联, 其涉及创作, 创作是诗人到诗词 ；属于流派, 属于流派从诗人到流派 ；生平任职, 生平任职是诗人到官职 ；同乡, 同乡指诗人与诗人间 ；师承, 师承是诗人到诗人 ；同代, 同代是诗人与诗人间。这是关于时空关联, 其包含生于朝代, 生于朝代是说诗人到朝代 ；创作于, 创作于是讲诗词到朝代 ；籍贯为, 籍贯为是指诗人到地理 ；创作地点, 创作地点是说诗词到地理。这是关于作品关联, 其涵盖属于体裁, 属于体裁是诗词到格律词牌 ；包含意象, 包含意象是诗词到意象 ；引用典故, 引用典故是诗词到典故 ；收录于, 收录于是诗词到典籍。这是关于特征关联 , 其涉及具有情感, 具有情感是诗词到情感标签 ；押某韵脚, 押某韵脚是诗词到格律。属性规范里有3.3标准化。
统一所有实体属性字段格式，规避数据杂乱问题：
四、步骤一: 全流程构建实施步骤中的第一步是多源性地进行数据采集, 也就是原始数据的积累。其中细分如下要素, 首先是按权威优先原则确定数据的来源。然后数据采集方式方面有着不同分支, 对于结构化数据而言, 通过何种途径以及具体的数据集合有哪些? 主要是需要直接去下载开源的诗词 JSON 或者 CSV 数据集嗷, 这里面包含着标题、作者、原文以及朝代等信息嗒。另外说说非结构化数据的采集方式, 是采用爬虫这种方式, 并且还要进行对应的批量抓取, 抓取的内容涵盖注释、典故、格律以及生平信息啷。针对小众诗词、冷门词人以及稀缺典故数据这些不那么容易的部分, 要通过人工补全。最后还有人工校验并补充这一阶段。步骤二: 接下来是数据预处理与标准化的环节。从清洗去重纠错方向看, 要进行多项操作, 比如剔除重复的诗词和同名诗人的数据, 对原文当中出现的错字、朝代错乱以及作者标注错误这些情况进行修正。文本降噪方面, 要去除广告因素、多余标点、无效注释和重复释义。分词归一化这块, 运用 Jieba 分词结合专门针对诗词的词库来分词, 同时去除停用词之后, 还要统一名称别称, 像苏子瞻等同于苏轼、李太白等同于李白这种也要处理好。格式标准化方面, 要统一时间、地理、情感及格律字段格式, 进而生成标准化结构化数据集。步骤三: 实体抽取与属性匹配嗒。
使用「规则模板 + 大模型微调」相互结合的抽取办法, 同时考虑到准确率以及效率:
基础实体: 借助规则匹配来进行批量抽取, 抽取的内容有诗词、作者、朝代、词牌、体裁。复杂实体: 基于模型开展专属微调工作, 以此抽取意象、典故、地理地点、流派。实体属性填充: 进行批量匹配, 让实体对应相关属性, 进而完成诗人生卒、诗词情感、格律特征、意象寓意的自动标注。步骤四: 关系抽取与三元组构建。规则抽取: 确定固定显性关系, 有创作、属于朝代、属于流派、籍贯。批量生成三元组。模型抽取: 凭借BiGRU加上注意力机制模型, 挖掘隐性关系, 比如化用典故、作品唱和、意象关联。人工校验: 针对复杂文学关系实施人工审核纠错, 像是典故溯源、风格关联, 以此保证文学专业性。
最后的输出呈现出标准化的三元组格式, 其中包括, 头实体, 关系, 尾实体, 还有属性集合。
步骤五：知识融合与消歧对齐
解决同名异物、异名同物核心问题，提升图谱精度：
实体进行消除歧义操作时, 对于同款名称诗人需要展开区分作业（像是各异朝代具有相同名字的文人）、针对同款名称地点也要展开区分作业, 实体执行对齐操作时, 要统一别称、字号以及简称（柳永等同于柳七、晚唐诗人群体等同于晚唐诗人）, 关系实施融合操作时，要合并同义关系, 去除矛盾关系, 统一关系命名的规范, 知识开展补全操作时, 依据现有的数据去推理缺失的关联, 补充诗词与意象、诗词与典故之间的隐性关联, 步骤六是图谱存储以及入库部署。
运用行业里被广泛认同的 Neo4j 这种图数据库来存储知识图谱, 使之适应关乎诗词存在多处关联的场景。
数据格式化, 把清洗后的三元组以及实体属性, 整理成CSV标准入库格式去批量入库, 运用LOAD CSV指令批量导入实体与关系, 配置数据库内存参数以此来优化加载效率；索引优化, 针对实体名称、朝代、作者等高频查询字段建立索引, 从而提升检索速度；数据备份, 在完成入库之后进行全量备份, 以此防止数据丢失。步骤七: 知识推理与迭代优化, 规则推理, 借助图谱规则推导隐性知识, 诸如「同流派诗人→风格相近」以及「同地域诗人→人文关联」；缺失补全, 挖掘稀疏数据补充冷门诗词的意象、情感、典故；标签错误修正, 批量校验关系矛盾、属性错误, 进而形成迭代优化机制。步骤八: 可视化与功能落地, 基础可视化, 达成实体节点拖拽、关系连线展示、层级缩放、筛选查询；核心查询功能, 支持 语句自定义查询, 像「查询李白所有边塞诗及对应意象」以及「查询引用明月意象的宋代词作」；关联分析, 展示诗人社交网络、意象高频关联、朝代文学特征分布。
