知识图谱在文学研究中的应用：《平凡的世界》人物关系分析

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，其复杂的人物关系和时代背景常常让读者产生阅读困惑。传统文学研究依赖人工整理人物关系图谱，耗时耗力且难以实现动态查询。这个毕设项目采用知识图谱技术构建小说中人物、地点、事件的关联网络，实现智能问答功能，为文学研究提供了数字化解决方案。

我在实际开发中发现，知识图谱技术特别适合处理这类具有丰富实体关系的文学作品。系统上线后测试显示，对于"孙少安和润叶是什么关系"这类典型问题，响应时间控制在300ms内，准确率达到92%，远超传统关键词检索60%的准确率。

2. 系统架构设计

2.1 技术选型分析

后端采用SpringBoot+Neo4j组合，前端使用Vue+ElementUI。选择Neo4j图数据库而非关系型数据库，主要考虑三点：

1. 人物关系查询通常涉及多跳连接，MySQL需要多次JOIN操作
2. 小说中的关系具有不确定性，图数据库支持动态添加关系类型
3. Cypher查询语言更贴近自然语言表达

测试对比显示，在3度关系查询场景下，Neo4j的响应速度是MySQL的8-10倍。具体配置如下：

yaml复制# application.yml关键配置
spring:
  data:
    neo4j:
      uri: bolt://localhost:7687
      username: neo4j
      password: 123456
      auto-index: update

2.2 知识图谱构建流程

1. 实体识别：使用BiLSTM-CRF模型识别文本中的人名、地名等实体

   • 准确率：人名94.3%，地名89.7%
   • 模型训练数据：标注了2000条小说片段

2. 关系抽取：基于依存句法分析提取实体间关系

   python复制# 关系抽取示例代码
   def extract_relations(text):
       doc = nlp(text)
       for token in doc:
           if token.dep_ in ('nsubj', 'dobj'):
               yield (token.head.text,