基于知识图谱与大模型的古诗词智能分析系统

1. 项目概述：当古诗词遇上知识图谱与大模型

作为一名长期混迹在NLP和Web开发领域的工程师，最近完成了一个让我特别兴奋的项目——基于Django和大模型的中华古诗词知识图谱系统。这个项目最初源于我对传统文化和技术融合的兴趣，没想到最终实现的效果远超预期。简单来说，我们构建了一个能自动分析5万多首古诗词的智能系统，不仅能可视化展示诗人社交网络、诗词意象关联，还能回答"李白和杜甫共同描写过哪些意象"这类复杂问题。

传统古诗词数据库（如古诗文网）主要提供关键词搜索，而我们这个系统的突破性在于：

• 使用大模型自动识别诗词中的隐喻和典故（比如自动识别"明月"在李白诗中常代表思乡）
• 构建包含12类实体、38种关系的知识图谱（诗人、朝代、地点、意象、情感倾向等）
• 实现动态可视化探索，比如通过力导向图直观展示宋代词人社交圈层

这个系统的技术栈非常"硬核"：前端用Vue+ECharts实现交互式可视化，后端Django处理业务逻辑，Neo4j存储知识图谱，大模型采用微调后的ERNIE-3.0处理文本分析。最让我自豪的是，系统在测试阶段就发现了传统研究中被忽略的关联——比如王维和孟浩然虽然同属田园诗派，但他们的意象使用存在明显地域特征差异。

2. 核心架构设计解析

2.1 系统技术选型背后的思考

选择Django作为后端框架绝非偶然。经过对比Flask和FastAPI后，我们发现Django ORM对图数据库的支持更完善，而且其自带的Admin系统能快速构建数据管理界面。实际开发中，我们用django-neomodel这个库实现了Django模型与Neo4j的无缝对接，一个典型的诗人节点定义如下：

python复制from neomodel import StructuredNode, StringProperty, IntegerProperty, RelationshipTo

class Poet(StructuredNode):
    name = StringProperty(unique_index=True)
    dynasty = StringProperty()
    birth_year = IntegerProperty()
    
    # 定义与诗词的关系
    poems = Relation