计算机毕业设计Python知识图谱中华古诗词可视化古诗词情感分析古诗词智能问答系统 AI大模型自动写诗大数据毕业设计(源码+LW文档+PPT+讲解)

haochengxu2022

54人浏览 · 2026-03-06 10:28:08

haochengxu2022 · 2026-03-06 10:28:08 发布

温馨提示：文末有 CSDN 平台官方提供的学长联系方式的名片！

温馨提示：文末有 CSDN 平台官方提供的学长联系方式的名片！

温馨提示：文末有 CSDN 平台官方提供的学长联系方式的名片！

技术范围：SpringBoot、Vue、爬虫、数据可视化、小程序、安卓APP、大数据、知识图谱、机器学习、Hadoop、Spark、Hive、大模型、人工智能、Python、深度学习、信息安全、网络安全等设计与开发。

主要内容：免费功能设计、开题报告、任务书、中期检查PPT、系统功能实现、代码、文档辅导、LW文档降重、长期答辩答疑辅导、腾讯会议一对一专业讲解辅导答辩、模拟答辩演练、和理解代码逻辑思路。

🍅文末获取源码联系🍅

🍅文末获取源码联系🍅

🍅文末获取源码联系🍅

感兴趣的可以先收藏起来，还有大家在毕设选题，项目以及LW文档编写等相关问题都可以给我留言咨询，希望帮助更多的人

信息安全/网络安全大模型、大数据、深度学习领域中科院硕士在读，所有源码均一手开发！

感兴趣的可以先收藏起来，还有大家在毕设选题，项目以及论文编写等相关问题都可以给我留言咨询，希望帮助更多的人

介绍资料

Python知识图谱中华古诗词可视化技术说明

一、项目概述

本项目旨在通过构建中华古诗词知识图谱，结合Python可视化技术，实现诗词内容、作者关系、历史背景等多维度数据的交互式展示。系统以结构化数据为基础，利用图数据库存储诗词实体及关联关系，通过自然语言处理（NLP）技术提取关键信息，最终以网络图、时间轴、地理分布等形式呈现，帮助用户直观理解古诗词的文化内涵与历史脉络。

二、技术架构与工具链

1. 技术架构

数据层：Neo4j图数据库（存储诗词、作者、朝代、地点等实体及关系） + SQLite（结构化元数据存储）
处理层：Python（NLP处理、图谱构建、可视化生成）
可视化层：PyVis（动态网络图） + PyEcharts（时间轴、地理分布） + Matplotlib/Seaborn（统计分析）
交互层：Streamlit/Gradio（轻量级Web应用框架）

2. 核心工具库

数据采集：Requests（爬取公开诗词数据集） + BeautifulSoup（HTML解析）
NLP处理：Jieba（分词） + SnowNLP（情感分析） + Spacy（命名实体识别）
图数据库：Py2Neo（Neo4j Python驱动）
可视化：PyVis（动态力导向图） + PyEcharts（地图/时间轴） + Plotly（交互式图表）

三、知识图谱构建流程

1. 数据采集与预处理

数据来源：
- 公开数据集：如《全唐诗》《全宋词》文本文件、古诗文网API、开源项目（如Chinese-poetry）。
- 结构化数据：作者生卒年、朝代信息、历史事件时间轴（维基百科数据）。
清洗规则：
- 去除重复诗词（基于标题+内容哈希去重）。
- 标准化作者名（如“李白”与“李太白”合并）。
- 提取朝代信息（通过正则匹配“唐·李白”中的“唐”）。

2. 实体与关系抽取

实体类型：
- 诗词（标题、内容、创作年代）
- 作者（姓名、字号、生卒年、朝代）
- 地点（诗词中提及的地理名词，如“长安”“扬州”）
- 意象（高频词汇，如“月”“酒”“雁”）
关系定义：
- 作者-创作-诗词（如“李白→创作→《静夜思》”）
- 诗词-提及-地点（如“《静夜思》→提及→扬州”）
- 作者-同朝-作者（如“李白→同朝→杜甫”）
- 诗词-包含-意象（如“《静夜思》→包含→月”）

NLP处理示例：

python

1import jieba
2from py2neo import Graph, Node, Relationship
3
4# 分词并提取地点实体
5poem_text = "故人西辞黄鹤楼，烟花三月下扬州"
6keywords = [word for word in jieba.cut(poem_text) if len(word) > 1]
7locations = [word for word in keywords if word in ["黄鹤楼", "扬州"]]  # 简单规则匹配
8
9# 构建图谱关系
10graph = Graph("bolt://localhost:7687", auth=("neo4j", "password"))
11author = Node("Author", name="李白")
12poem = Node("Poem", title="《黄鹤楼送孟浩然之广陵》")
13location_node = Node("Location", name="扬州")
14graph.create(Relationship(author, "CREATES", poem))
15graph.create(Relationship(poem, "MENTIONS", location_node))
16

3. 图数据库存储

Neo4j数据模型：

cypher

1CREATE (a:Author {name: '李白', dynasty: '唐'})
2CREATE (p:Poem {title: '《静夜思》', content: '床前明月光...'})
3CREATE (l:Location {name: '扬州'})
4CREATE (a)-[:CREATES]->(p)
5CREATE (p)-[:MENTIONS]->(l)
6

批量导入优化：
- 使用LOAD CSV命令导入预处理好的CSV数据。
- 对高频关系（如“同朝”）预先计算并批量创建。

四、可视化实现方案

1. 动态网络图（PyVis）

功能：展示作者-诗词-地点的关联网络，支持缩放、拖拽、点击节点查看详情。

代码示例：

python

1from pyvis.network import Network
2import pandas as pd
3
4# 从Neo4j查询数据
5query = """
6MATCH (a:Author)-[:CREATES]->(p:Poem)-[:MENTIONS]->(l:Location)
7RETURN a.name as author, p.title as poem, l.name as location
8"""
9df = pd.DataFrame(graph.run(query).data())
10
11# 构建PyVis网络图
12net = Network(height="750px", width="100%", directed=False)
13for _, row in df.iterrows():
14    net.add_node(row["author"], title=f"作者: {row['author']}", group="author")
15    net.add_node(row["poem"], title=f"诗词: {row['poem']}", group="poem")
16    net.add_node(row["location"], title=f"地点: {row['location']}", group="location")
17    net.add_edge(row["author"], row["poem"], title="创作")
18    net.add_edge(row["poem"], row["location"], title="提及")
19net.show("poetry_network.html", notebook=False)
20

2. 时间轴与朝代分布（PyEcharts）

功能：按朝代统计诗词数量，展示时间轴上的创作高峰。

代码示例：

python

1from pyecharts.charts import Timeline, Bar
2from pyecharts import options as opts
3
4# 统计各朝代诗词数量
5dynasty_counts = df["dynasty"].value_counts().sort_index()
6timeline = Timeline()
7for dynasty, count in dynasty_counts.items():
8    bar = (
9        Bar()
10        .add_xaxis([dynasty])
11        .add_yaxis("诗词数量", [count])
12        .set_global_opts(title_opts=opts.TitleOpts(title=f"{dynasty}朝代诗词数量"))
13    )
14    timeline.add(bar, dynasty)
15timeline.render("dynasty_timeline.html")
16

3. 地理分布（PyEcharts地图）

功能：在地图上标记诗词中提及的地点，热力图展示高频区域。

代码示例：

python

1from pyecharts.charts import Map
2from pyecharts import options as opts
3
4# 统计地点出现频率
5location_counts = df["location"].value_counts().head(20)
6map_chart = (
7    Map()
8    .add("诗词提及地点", [list(z) for z in zip(location_counts.index, location_counts.values)], "china")
9    .set_global_opts(
10        title_opts=opts.TitleOpts(title="古诗词中高频地点分布"),
11        visualmap_opts=opts.VisualMapOpts(max_=location_counts.max())
12    )
13)
14map_chart.render("location_map.html")
15

4. 意象分析（词云与统计图表）

功能：通过词云展示高频意象，柱状图对比不同作者用词偏好。

代码示例：

python

1from wordcloud import WordCloud
2import matplotlib.pyplot as plt
3
4# 合并所有诗词内容并分词
5all_poems = " ".join(df["content"].dropna())
6words = [word for word in jieba.cut(all_poems) if len(word) > 1 and word not in ["如此", "何处"]]
7word_freq = pd.Series(words).value_counts().head(50)
8
9# 生成词云
10wc = WordCloud(font_path="simhei.ttf", width=800, height=600).generate_from_frequencies(word_freq)
11plt.imshow(wc, interpolation="bilinear")
12plt.axis("off")
13plt.savefig("wordcloud.png", dpi=300)
14

五、交互式Web应用集成

使用Streamlit快速搭建交互界面，整合上述可视化组件：

python

1import streamlit as st
2import pandas as pd
3from pyvis.network import Network
4
5st.title("中华古诗词知识图谱可视化")
6
7# 侧边栏选择可视化类型
8viz_type = st.sidebar.selectbox("选择可视化类型", ["网络图", "时间轴", "地图", "词云"])
9
10if viz_type == "网络图":
11    st.subheader("作者-诗词-地点关联网络")
12    # 实际项目中从Neo4j动态查询并渲染PyVis网络图
13    st.markdown("![网络图示例](https://example.com/network.png)")
14elif viz_type == "时间轴":
15    st.subheader("各朝代诗词数量时间轴")
16    st.markdown("![时间轴示例](https://example.com/timeline.png)")
17# 其他可视化类型类似...
18

六、优化与扩展方向

性能优化：
- 对大规模图谱使用分页查询或LOD（Level of Detail）技术。
- 可视化组件采用Web Worker避免主线程阻塞。
功能扩展：
- 增加诗词情感分析（如用SnowNLP判断悲喜情感）。
- 实现“以词搜诗”功能（基于Elasticsearch全文检索）。
数据深化：
- 引入更多元数据（如诗词韵律、典故注释）。
- 关联历史事件数据（如安史之乱对杜甫创作的影响）。

七、总结

本项目通过Python生态中的图数据库、NLP与可视化工具，构建了可交互的古诗词知识图谱系统。用户可通过网络图理解诗词间的隐含关联，通过时间轴与地图感知文化时空分布，为古典文学研究提供了新的技术视角。未来可结合深度学习模型（如BERT）实现更精准的实体关系抽取，进一步提升图谱质量。

运行截图

项目案例

优势

1-项目均为博主学习开发自研，适合新手入门和学习使用

2-所有源码均一手开发，不是模版！不容易跟班里人重复！

为什么选择我

博主是CSDN毕设辅导博客第一人兼开派祖师爷、博主本身从事开发软件开发、有丰富的编程能力和水平、累积给上千名同学进行辅导、全网累积粉丝超过50W。是CSDN特邀作者、博客专家、新星计划导师、Java领域优质创作者,博客之星、掘金/华为云/阿里云/InfoQ等平台优质作者、专注于Java技术领域和学生毕业项目实战,高校老师/讲师/同行前辈交流和合作。

🍅✌感兴趣的可以先收藏起来，点赞关注不迷路，想学习更多项目可以查看主页，大家在毕设选题，项目代码以及论文编写等相关问题都可以给我留言咨询，希望可以帮助同学们顺利毕业！🍅✌