1. 项目背景与核心价值
《平凡的世界》作为茅盾文学奖获奖作品,其丰富的人物关系和复杂的社会背景构成了一个庞大的叙事网络。传统文学研究往往依赖人工梳理和记忆,难以快速建立跨章节的关联分析。这个毕设项目正是要解决这个痛点——通过知识图谱技术将小说中的实体、关系、事件结构化,构建一个可交互查询的智能问答系统。
我在实际开发中发现,文学类知识图谱与传统百科类图谱存在显著差异:小说中的实体关系往往隐含在叙事中,需要结合上下文语义进行抽取;同时文学作品的解读具有主观性,这对知识表示和问答逻辑提出了特殊要求。这也是为什么选择路遥这部现实主义巨著作为研究对象——它既有清晰的时代背景,又包含大量可标准化的社会关系。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 系统架构设计
2.1 整体技术栈选型
系统采用分层架构设计,主要技术组件包括:
- 存储层:Neo4j图数据库(社区版4.4.5)
- 计算层:Python 3.8 + PyTorch 1.12
- 应用层:Flask 2.2 + Bootstrap 5
- NLP工具:HanLP 1.8 + Transformers 4.22
选择Neo4j而非关系型数据库的原因在于:小说中人物间的"同乡"、"师徒"、"恋爱"等多对多关系,用SQL需要设计复杂的关联表,而图数据库天然适合处理这类网状结构。实测表明,对于"孙少平与田晓霞的共同社会关系"这类查询,Neo4j的Cypher查询速度比MySQL快17倍。
2.2 知识图谱建模方案
设计了三类核心节点和五类基础关系:
code复制人物节点属性:
- name: 姓名(主键)
- gender: 性别
- birth_year: 出生年份
- hometown: 籍贯
- social_class: 阶级成分
地点节点属性:
- name: 地名
- type: 类型(县城/村庄/工厂等)
- region: 所属行政区划
事件节点属性:
- title: 事件名称
- time: 发生时间
- chapter: 所在章节
基础关系类型:
1. 人物-人物: [FAMILY]亲属, [LOVE]爱慕, [FRIEND]朋友
2. 人物-地点: [BORN_IN]出生地, [WORK_AT]工作地
3. 人物-事件: [PARTICIPATE]参与
