1. 项目概述：当古典诗词遇上AI技术栈
去年帮某高校文学院搭建古诗词知识图谱时，我深刻体会到传统人文学科与现代AI技术碰撞产生的奇妙反应。这个基于Django框架整合大语言模型的系统，不仅实现了"李白与杜甫的关系图谱"这类可视化展示，更能回答"‘举头望明月’表达了什么情感"这类复杂语义问题。整套系统涉及知识图谱构建、大模型微调、情感分析模型训练等7个技术模块，其中最大的挑战在于让AI理解"却道天凉好个秋"这类含蓄的情感表达。
2. 核心架构设计
2.1 技术栈选型逻辑
选择Django作为后端框架主要考虑其ORM对图数据库的良好支持，实测Neo4j与Django-Neo4j的组合比Spring Boot方案减少约40%的图查询代码量。前端采用ECharts+Vue实现动态图谱可视化，其力导向布局算法能自动优化"诗人-朝代-流派"的节点排布。
大模型基座测试对比：
- LLaMA-7B：在古文理解任务上准确率68%
- ChatGLM2-6B：专有名词识别率提升至82%
- 文言文微调版GPT-3：最终选用方案，测试集F1值达89%
2.2 知识图谱构建流程
数据采集阶段发现，主流诗词网站的XML数据缺失42%的诗人社交关系。我们采用"三步补全法"：
- 爬取地方志PDF（使用PyMuPDF）
- 关系抽取（基于BiLSTM-CRF模型）
- 人工校验（开发了专用的标注工具）
图谱schema设计经历三次迭代：
python复制class PoetNode(DjangoNode):
name = StringProperty()
dynasty = Relationship('Dynasty', 'BELONGS_TO')
friends = Relationship('Poet', 'FRIEND_WITH')
# SPARQL查询示例
MATCH (p:Poet)-[r:FRIEND_WITH]->(q:Poet)
WHERE p.name='杜甫' RETURN r.strength
3. 关键模块实现
3.1 智能问答系统
问答流水线包含三个处理层级：
- 意图识别（BERT+BiLSTM模型）
- 实体链接（自定义诗词实体库）
- 答案生成（RAG增强的大模型）
处理"‘春风不度玉门关’的典故出处"这类问题时，系统会：
- 识别"典故查询"意图
- 链接"玉门关"地理实体
- 从《资治通鉴》抽取相关段落
关键技巧：在prompt中加入"请用学术论文的严谨语气回答"的指令，使生成内容更符合专业场景
3.2 情感分析模型
为解决传统情感词典对古诗词失效的问题（如"寂寞"在唐诗中可能是褒义），我们构建了分级标注体系：
| 情感维度 | 标注层级 | 示例 |
|---|---|---|
| 显性情感 | 5级强度 | "怒发冲冠"=强烈愤怒 |
| 隐性情感 | 3级隐喻 | "杨柳依依"=离愁 |
| 时代特征 | 朝代标签 | 宋词中的"酒"多表豁达 |
模型采用双通道架构：
- 通道1：字符级CNN捕捉典故隐喻
- 通道2：BiGRU分析情感演进
在《全唐诗》测试集上达到0.81的加权F1值
4. 数据分析可视化
4.1 时空分布分析
使用GeoDjango处理诗人籍贯数据时，需要处理古代地名到现代坐标的转换。我们开发了基于历史GIS的映射服务：
python复制def convert_ancient_location(name):
# 使用《中国历史地图集》的时空编码
return get_coordinates(
name,
time_period='唐朝'
)
可视化呈现的三大发现：
- 安史之乱前后诗人迁徙路径变化
- 宋代词人集中在京杭运河沿线
- "边塞诗"作者实际到访边境的比例仅31%
4.2 风格演化分析
通过词向量聚类发现：
- 晚唐诗风突变点出现在公元835年（甘露之变）
- 苏轼开创的"豪放派"实际包含3个子风格
- 女性诗人的用韵规律与同时代男性显著不同
5. 部署优化实战
5.1 大模型服务化
采用vLLM推理框架实现：
- 动态批处理（batch_size=8时延迟降低60%）
- PagedAttention显存管理
- 量化部署（GPTQ-4bit精度损失<2%）
启动参数示例：
bash复制python -m vllm.entrypoints.api_server \
--model文言文GPT \
--tensor-parallel-size 2 \
--gpu-memory-utilization 0.8
5.2 缓存策略设计
针对高频查询设计三级缓存：
- 前端缓存常见诗人关系（LRU算法）
- Redis缓存热点SPARQL查询（TTL=1h）
- 大模型回答缓存（语义相似度去重）
实测使95%分位的响应时间从3.2s降至0.8s
6. 典型问题排查
6.1 实体歧义解决
当遇到"李白《静夜思》"和"李太白《静夜思》"时：
- 构建诗人别名知识库（包含32种称谓规则）
- 设计编辑距离+时间窗口的消歧算法
- 开发人工干预接口（按Ctrl+Alt可触发）
6.2 情感分析偏差
发现模型将"国破山河在"误判为积极情感后：
- 加入"历史事件"特征维度
- 引入对抗训练样本
- 添加时代背景知识提示
调整后对战争题材诗句的准确率提升27%
7. 扩展应用方向
在项目验收后，我们又尝试了：
- 基于风格迁移模型的"AI写诗"功能（需控制生僻字使用频率）
- VR虚拟创作环境（还原唐代书房场景）
- 诗词音乐生成（配合音律分析模型）
有个意外发现：用注意力机制可视化可以清晰看到，AI分析"大漠孤烟直"时，最关注的是"直"而非"孤"。这与人文学者的解读重点截然不同，或许正是技术带给传统研究的新视角。