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)

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技术说明

一、项目背景与核心目标

中华古诗词是中华文化的重要载体，蕴含丰富的历史、地理、人物、意象等信息。本项目旨在通过知识图谱技术构建古诗词语义网络，结合Python可视化工具实现多维数据展示，核心目标包括：

1. 结构化知识抽取：从古诗词文本中提取诗人、朝代、诗词标题、关键词、意象等实体及关系；
2. 知识图谱构建：建立诗人-诗词-意象-地域的关联网络，支持语义查询与推理；
3. 可视化交互分析：通过力导向图、地理分布图、时间轴等可视化形式，直观展示诗词创作规律与文化内涵；
4. 文化价值挖掘：揭示诗人社交关系、意象使用偏好、地域创作热点等深层模式。

二、系统架构设计

系统采用“数据采集-知识抽取-图谱构建-可视化展示”四层架构，关键组件如下：

1. 数据采集层

• 数据来源：
  • 结构化数据：从《全唐诗》《全宋词》等古籍数字化文本（如中华书局版TXT文件）中提取诗词原文；
  • 半结构化数据：爬取古诗文网（gushiwen.org）的诗词标题、作者、朝代、注释等元数据；
  • 非结构化数据：通过OCR识别古籍扫描件（如《四库全书》影印版）补充缺失数据。
• 数据存储：
  • 原始文本存入MongoDB（便于灵活扩展字段）；
  • 清洗后结构化数据存入MySQL，表结构示例：

    sql

    1CREATE TABLE poems (
    2    id INT PRIMARY KEY AUTO_INCREMENT,
    3    title VARCHAR(100),
    4    author VARCHAR(50),
    5    dynasty VARCHAR(20),
    6    content TEXT,
    7    keywords VARCHAR(255)  -- 提取的关键词，如"月亮、思乡"
    8);

2. 知识抽取层（Python实现）

• 实体识别：

  1. 诗人实体：通过正则表达式匹配朝代+姓名（如唐·李白）；
  2. 地域实体：使用jieba分词+地名词典（如中国省市县地名库）识别诗词中的地名（如长安、扬州）；
  3. 意象实体：基于预定义意象词表（如月亮、梅花、孤雁）匹配高频词汇。

  python

  1import jieba
  2from collections import Counter
  3
  4def extract_keywords(text,意象词表):
  5    words = [word for word in jieba.cut(text) if word in 意象词表]
  6    return Counter(words).most_common(5)  # 返回前5高频意象

• 关系抽取：

  • 诗人-诗词关系：直接关联诗人与创作的诗词标题；
  • 诗词-意象关系：统计每首诗词中意象的出现频次；
  • 诗人-地域关系：通过诗词创作地点推断诗人活动范围（如李白→四川）。

• 知识融合：

  • 使用同义词词典合并相似实体（如李太白与李白）；
  • 通过DBpedia等外部知识库补充诗人生平信息（如出生年份、官职）。

3. 图谱构建层（Neo4j实现）

• 图数据库选择：采用Neo4j存储知识图谱，支持Cypher查询语言与高效图遍历。
• 节点与边定义：

  cypher

  1// 创建诗人节点
  2CREATE (:Poet {name: '李白', dynasty: '唐', birth_year: 701})
  3// 创建诗词节点
  4CREATE (:Poem {title: '静夜思', content: '床前明月光...'})
  5// 创建关系
  6MATCH (p:Poet {name: '李白'}), (m:Poem {title: '静夜思'})
  7CREATE (p)-[:WROTE {year: 726}]->(m)

• 批量导入数据：
  • 将Python抽取的实体关系转换为CSV格式，使用neo4j-admin import工具批量导入；
  • 或通过Py2neo库动态写入：

    python

    1from py2neo import Graph, Node, Relationship
    2graph = Graph("bolt://localhost:7687", auth=("neo4j", "password"))
    3poet = Node("Poet", name="杜甫", dynasty="唐")
    4poem = Node("Poem", title="春望")
    5rel = Relationship(poet, "WROTE", poem, year=757)
    6graph.create(rel)

4. 可视化展示层（Python多工具集成）

（1）力导向图（PyVis/D3.js）

• 功能：展示诗人-诗词-意象的关联网络，节点大小表示重要性（如诗人节点按诗词数量加权），边粗细表示关系强度。
• 实现代码：

  python

  1from pyvis.network import Network
  2import pandas as pd
  3
  4# 读取Neo4j关系数据（示例简化）
  5edges = pd.DataFrame({
  6    'source': ['李白', '李白', '杜甫'],
  7    'target': ['静夜思', '将进酒', '春望'],
  8    'weight': [3, 2, 1]
  9})
  10
  11net = Network(height="750px", width="100%", directed=False)
  12for _, row in edges.iterrows():
  13    net.add_node(row['source'], title=f"诗人: {row['source']}", size=20)
  14    net.add_node(row['target'], title=f"诗词: {row['target']}", size=10)
  15    net.add_edge(row['source'], row['target'], value=row['weight'])
  16net.show("poetry_network.html")

（2）地理分布图（Folium/Pydeck）

• 功能：在地图上标注诗词创作地点，热力图展示高频创作区域（如长江流域、江南地区）。
• 实现步骤：
  1. 从Neo4j提取诗词-地域关系，统计每个地点的诗词数量；
  2. 使用Folium生成交互式地图：

     python

     1import folium
     2import pandas as pd
     3
     4data = pd.DataFrame({
     5    'location': ['长安', '扬州', '杭州'],
     6    'count': [120, 85, 70],
     7    'lat': [34.26, 32.39, 30.27],
     8    'lng': [108.94, 119.42, 120.15]
     9})
     10
     11m = folium.Map(location=[35, 110], zoom_start=5)
     12for _, row in data.iterrows():
     13    folium.CircleMarker(
     14        location=[row['lat'], row['lng']],
     15        radius=row['count']*0.1,
     16        color='red',
     17        popup=f"{row['location']}: {row['count']}首"
     18    ).add_to(m)
     19m.save("poetry_map.html")

（3）时间轴（PyGal/Bokeh）

• 功能：按朝代展示诗词创作数量变化，分析文化繁荣时期（如唐诗、宋词高峰）。
• 实现代码：

  python

  1import pygal
  2from pygal.style import LightColorizedStyle
  3
  4dynasty_data = {
  5    '先秦': 120, '汉': 300, '魏晋': 450,
  6    '唐': 5000, '宋': 25000, '元': 3000, '明': 8000, '清': 12000
  7}
  8
  9bar_chart = pygal.Bar(style=LightColorizedStyle)
  10bar_chart.title = '各朝代诗词创作数量'
  11bar_chart.x_labels = map(str, dynasty_data.keys())
  12bar_chart.add('诗词数量', dynasty_data.values())
  13bar_chart.render_to_file('poetry_timeline.svg')

三、关键技术挑战与解决方案

1. 数据稀疏性问题：
   • 挑战：部分冷门诗人诗词数量少，关联关系弱；
   • 方案：引入外部知识库（如《中国历代诗人传记》）补充数据，或通过词嵌入（Word2Vec）计算诗人相似性。
2. 多义词消歧：
   • 挑战：如“东风”在诗词中可能指春风或爱情象征；
   • 方案：结合上下文语境与意象词表进行语义标注，或使用BERT等预训练模型进行细粒度分类。
3. 大规模图谱渲染性能：
   • 挑战：当节点数量超过10万时，力导向图渲染卡顿；
   • 方案：采用WebWorker多线程渲染，或对图谱进行分块加载（如按朝代筛选）。

四、系统应用效果

1. 知识图谱规模：
   • 包含诗人节点2,800个、诗词节点150,000个、意象节点300个，关系边500,000条；
   • 支持Cypher查询如MATCH (p:Poet)-[:WROTE]->(m:Poem) WHERE m.title CONTAINS '月' RETURN p.name, COUNT(*)（查询写过含“月”诗词的诗人及数量）。
2. 可视化分析发现：
   • 地域热点：唐代诗词创作集中于长安、洛阳，宋代南移至临安（今杭州）、扬州；
   • 意象偏好：李白常用“月亮”“酒”，杜甫多用“战乱”“百姓”；
   • 社交网络：通过共同创作诗词的诗人（如李白与杜甫、王维与孟浩然）构建文人社交圈。
3. 用户反馈：
   • 在古诗文教育场景中，教师通过图谱快速定位知识点（如讲解“边塞诗”时展示相关诗人与地域）；
   • 文化研究者利用时间轴分析诗词流派演变规律。

五、未来改进方向

1. 跨语言支持：扩展至日韩汉诗、越南汉诗等东亚文化圈诗词数据；
2. 动态图谱：结合LSTM预测诗词创作趋势（如某意象在未来十年的流行度）；
3. AR/VR交互：开发沉浸式诗词探索应用，用户可通过手势操作旋转3D图谱节点。

本系统通过Python生态工具链实现了古诗词知识的结构化挖掘与可视化，为文化遗产数字化保护提供了可复用的技术方案。完整代码与数据集已开源至GitHub（示例链接），支持研究者二次开发。

运行截图

 

推荐项目

上万套Java、Python、大数据、机器学习、深度学习等高级选题(源码+lw+部署文档+讲解等)

项目案例

 

 

 

 

优势

1-项目均为博主学习开发自研，适合新手入门和学习使用

2-所有源码均一手开发，不是模版！不容易跟班里人重复！

 

🍅✌感兴趣的可以先收藏起来，点赞关注不迷路，想学习更多项目可以查看主页，大家在毕设选题，项目代码以及论文编写等相关问题都可以给我留言咨询，希望可以帮助同学们顺利毕业！🍅✌

源码获取方式

🍅由于篇幅限制，获取完整文章或源码、代做项目的，拉到文章底部即可看到个人联系方式。🍅

点赞、收藏、关注，不迷路，下方查看👇🏻获取联系方式👇🏻