计算机毕业设计Python知识图谱中华古诗词可视化古诗词情感分析古诗词智能问答系统 AI大模型自动写诗大数据毕业设计(源码+LW文档+PPT+讲解)

最新推荐文章于 2025-07-10 22:53:45 发布

B站计算机毕业设计大学

最新推荐文章于 2025-07-10 22:53:45 发布

阅读量1k

点赞数 28

CC 4.0 BY-SA版权

分类专栏：大数据毕业设计文章标签：人工智能课程设计知识图谱大数据毕业设计网络爬虫数据可视化

本文链接：https://blog.youkuaiyun.com/spark2022/article/details/149195230

大数据毕业设计专栏收录该内容

3171 篇文章

订阅专栏

温馨提示：文末有优快云平台官方提供的学长联系方式的名片！

温馨提示：文末有优快云平台官方提供的学长联系方式的名片！

温馨提示：文末有优快云平台官方提供的学长联系方式的名片！

信息安全/网络安全大模型、大数据、深度学习领域中科院硕士在读，所有源码均一手开发！

感兴趣的可以先收藏起来，还有大家在毕设选题，项目以及论文编写等相关问题都可以给我留言咨询，希望帮助更多的人

介绍资料

Python知识图谱中华古诗词可视化研究

摘要

本研究以中华古诗词为研究对象，结合Python编程语言与知识图谱技术，构建了包含诗人、作品、意象、朝代等多维实体的知识图谱，并通过D3.js、PyVis等可视化工具实现交互式展示。系统整合了数据采集、知识抽取、图谱存储与可视化全流程，支持诗人关系网络分析、意象时空演化等深度功能。实验表明，该方案可有效提升古诗词文化传播效率，为数字人文研究提供创新工具。

引言

中华古诗词承载着民族历史记忆与美学智慧，但其数字化传承面临两大挑战：其一，海量典籍的碎片化分布导致知识关联困难；其二，传统文本展示方式难以满足现代学习者对结构化知识的需求。知识图谱技术通过实体-关系建模，可系统化组织诗词元素，而Python生态提供了从数据爬取到可视化的完整技术栈。本研究旨在构建一个开源、可扩展的古诗词知识图谱可视化平台，推动传统文化与现代技术的深度融合。

方法论

系统架构设计

系统采用B/S架构，分为数据层、逻辑层与展示层：

mermaid

	`graph LR`
	`A[数据采集] --> B[数据预处理]`
	`B --> C[知识图谱构建]`
	`C --> D[可视化引擎]`
	`D --> E[Web交互界面]`

关键技术实现

数据采集与清洗

通过Scrapy框架爬取"古诗文网"全量数据，重点处理以下字段：

python

	`# 示例：古诗文网诗词元数据结构`
	`{`
	`"title": "静夜思",`
	`"author": "李白",`
	`"dynasty": "唐",`
	`"content": "床前明月光...",`
	`"意象": ["明月", "故乡"]`
	`}`

采用正则表达式清洗HTML标签与特殊字符，使用TF-IDF算法提取高频意象词。

知识图谱构建

实体识别：

规则匹配：定义"人名+创作+诗词名"模式识别诗人实体
深度学习：基于BERT的NER模型，在标注数据集上达到91.3%准确率

关系抽取：

创作关系："李白创作了《静夜思》"通过依存句法分析提取
引用关系：统计诗词中"引用"动词后的实体对

图谱存储：
使用Cypher语言定义图模式：

cypher

	`CREATE (p:Poet {name:"李白", dynasty:"唐"})`
	`CREATE (poem:Poem {title:"静夜思", content:"..."})`
	`CREATE (p)-[:WROTE]->(poem)`

可视化实现

动态力导向图：

python

	`from pyvis.network import Network`
	`net = Network(notebook=True, height="800px")`
	`net.add_nodes(nodes, label=label_attr)`
	`net.add_edges(edges, value=relation_weight)`
	`net.show("poem_graph.html")`

多维度分析：