基于知识图谱的明朝历史智能问答系统设计与实现

1. 项目背景与核心价值

作为一名长期从事知识图谱与自然语言处理方向的技术开发者，我注意到历史类问答系统存在明显的知识碎片化问题。以《明朝那些事儿》为例，这部作品虽然生动有趣，但其中的历史事件、人物关系往往分散在不同章节，读者很难快速建立系统化的认知。这正是知识图谱技术能够大显身手的场景——通过结构化表示和关联查询，让机器真正"理解"历史脉络。

这个毕业设计项目的核心价值在于：

1. 实现了从非结构化文本到结构化知识的完整转化流程
2. 构建了包含3.7万+实体和12万+关系的明朝历史知识图谱
3. 开发了支持多轮对话的智能问答接口
4. 验证了BERT+图神经网络在历史领域的应用效果

提示：知识图谱构建过程中最关键的挑战是实体消歧——比如"王守仁"和"王阳明"需要映射到同一实体。我们采用了基于规则和统计的混合消歧策略。

2. 技术架构设计

2.1 整体技术栈选型

code复制前端：Vue.js + Element UI
后端：Spring Boot + Neo4j
算法层：BERT-ZH + GAT
数据处理：Spark + HanLP

选择这套技术栈主要基于三点考虑：

• Neo4j的图数据库特性完美适配知识图谱的存储和查询需求
• BERT-ZH在中文NER任务上的F1值达到92.3%，远优于传统CRF模型
• GAT（图注意力网络）能有效捕捉知识图谱中的高阶关系

2.2 数据处理流水线

原始文本需要经过以下处理步骤：

1. 文本清洗：去除特殊字符、统一时间格式（如"嘉靖年间"→"1522-1566"）
2. 分句处理：采用正则匹配句末标点，准确率98.7%
3. 实体识别：使用我们微调的BERT-ZH模型（在历史文本上F1提升6.2%）
4. 关系抽取：基于依存句法分析的模式匹配+远程监督

3. 核心实现细节

3.1 知识图谱构建

实体类型包括：

• 人物（如朱元璋、张居正）
• 事件（靖难之役、土木堡之变）
• 机构（锦衣卫、东厂）
• 地点（应天府、北京城）

关系类型设计为7大类28小类，包括：

code复制人物-人物：父子、君臣、敌对
人物-事件：发起、参与、受害
事件-事件：因果、时序

3.2 问答系统实现

问答流程采用三层架构：

1. 问句解析：BERT分类器判断意图