簡(jiǎn)介這是一套面向計(jì)算機(jī)相關(guān)專業(yè)本科生與項(xiàng)目實(shí)戰(zhàn)學(xué)習(xí)者的古詩(shī)詞問答系統(tǒng)源碼以知識(shí)圖譜為核心技術(shù)路線可作為畢業(yè)設(shè)計(jì)、課程設(shè)計(jì)或期末大作業(yè)的完整參考方案。項(xiàng)目圍繞古詩(shī)詞實(shí)體與關(guān)系構(gòu)建圖譜并實(shí)現(xiàn)自然語(yǔ)言問答交互適合人工智能、軟件工程等方向的學(xué)生理解知識(shí)圖譜落地流程。壓縮包共521個(gè)文件約50.58MB其中98個(gè)py文件承載核心邏輯與圖譜構(gòu)建腳本129個(gè)txt與24個(gè)json用于詩(shī)詞語(yǔ)料及圖譜數(shù)據(jù)存儲(chǔ)另有jpg、css、js、html等前端與靜態(tài)資源以及少量md說明文檔整體結(jié)構(gòu)清晰、模塊劃分明確。目前已有331人學(xué)習(xí)下載。代碼經(jīng)測(cè)試可正常運(yùn)行答辯評(píng)審平均分達(dá)96.5分讀者可據(jù)此掌握?qǐng)D譜構(gòu)建、問答匹配與前后端聯(lián)調(diào)思路并在此基礎(chǔ)上修改擴(kuò)展功能。1. 從一份本科畢設(shè)源碼說起知識(shí)圖譜怎么把古詩(shī)詞問答做成能跑的系統(tǒng)很多同學(xué)拿到「基于知識(shí)圖譜的古詩(shī)詞問答系統(tǒng)」這個(gè)題目時(shí)第一反應(yīng)是去搜一份現(xiàn)成源碼解壓、裝依賴、跑起來然后截圖交差。但真正動(dòng)手才會(huì)發(fā)現(xiàn)古詩(shī)詞這個(gè)領(lǐng)域和通用百科問答完全不是一回事一首詩(shī)有作者、朝代、體裁、意象、典故、情感標(biāo)簽詩(shī)句之間還有化用、唱和、同題的關(guān)系這些關(guān)系用一張二維表根本存不下。知識(shí)圖譜的價(jià)值就在這里——它把「李白」和「《靜夜思》」和「唐代」和「五言絕句」和「思鄉(xiāng)」這些實(shí)體用邊連起來問答時(shí)沿著邊走就能推理出答案而不是靠關(guān)鍵詞匹配硬猜。這份本科畢設(shè)源碼要解決的核心問題是讓一個(gè) Python 后端能聽懂「李白寫過哪些思鄉(xiāng)的詩(shī)」這類自然語(yǔ)言問題把它翻譯成對(duì)圖譜的查詢?cè)侔呀Y(jié)果組織成人話返回。適合誰(shuí)看正在做畢設(shè)、需要一套能講清楚原理又能跑通的代碼的同學(xué)也適合想入門知識(shí)圖譜構(gòu)建與問答、但被 Neo4j 和 SPARQL 勸退的開發(fā)者。下面我按「圖譜怎么建 → 問句怎么解析 → 查詢?cè)趺磮?zhí)行 → 坑在哪」的順序把這條鏈路拆開講。2. 古詩(shī)詞知識(shí)圖譜的構(gòu)建從 CSV 到 Neo4j 的實(shí)體關(guān)系落地2.1 為什么古詩(shī)詞適合用圖數(shù)據(jù)庫(kù)而不是關(guān)系表先想清楚選型理由不然后面寫代碼全是玄學(xué)。古詩(shī)詞數(shù)據(jù)的典型特征是「多跳關(guān)系密集」想知道「杜甫寫給李白的詩(shī)里提到了哪些地名」路徑是 杜甫 → 贈(zèng)詩(shī) → 李白 → 詩(shī)中地名 → 具體地點(diǎn)這在關(guān)系型數(shù)據(jù)庫(kù)里要 join 四張表而在圖數(shù)據(jù)庫(kù)里就是一次兩跳遍歷。另一個(gè)特征是「schema 不固定」有的詩(shī)有典故標(biāo)注有的沒有圖數(shù)據(jù)庫(kù)的邊可以按需擴(kuò)展不用改表結(jié)構(gòu)。常見做法是用 Neo4j 作為存儲(chǔ)Python 側(cè)用py2neo或官方neo4j驅(qū)動(dòng)。我一般會(huì)先把原始數(shù)據(jù)整理成兩類 CSV節(jié)點(diǎn)文件和關(guān)系文件。節(jié)點(diǎn)包括詩(shī)人、詩(shī)題、朝代、體裁、意象、情感關(guān)系包括「創(chuàng)作」「屬于朝代」「屬于體裁」「包含意象」「表達(dá)情感」「贈(zèng)予」「唱和」。提示本科畢設(shè)的數(shù)據(jù)量通常在幾千到幾萬(wàn)條Neo4j 社區(qū)版完全夠用不要一上來就上分布式圖庫(kù)那是給自己找麻煩。2.2 用 Python 批量導(dǎo)入節(jié)點(diǎn)和關(guān)系的可復(fù)現(xiàn)腳本下面這段腳本做兩件事讀取 CSV用MERGE語(yǔ)句冪等地寫入節(jié)點(diǎn)和關(guān)系。MERGE而不是CREATE是關(guān)鍵重復(fù)執(zhí)行不會(huì)產(chǎn)生重復(fù)節(jié)點(diǎn)。from py2neo import Graph, Node, Relationship import csv # 連接本地 Neo4j默認(rèn) bolt 端口 7687 graph Graph(bolt://localhost:7687, auth(neo4j, your_password)) def load_poets(path): with open(path, encodingutf-8) as f: for row in csv.DictReader(f): # MERGE 保證按 name 唯一不會(huì)重復(fù)建點(diǎn) poet Node(Poet, namerow[name], dynastyrow[dynasty]) graph.merge(poet, Poet, name) def load_poems(path): with open(path, encodingutf-8) as f: for row in csv.DictReader(f): poem Node(Poem, titlerow[title], contentrow[content], genrerow[genre]) graph.merge(poem, Poem, title) # 建立 詩(shī)人-創(chuàng)作-詩(shī) 的關(guān)系 poet graph.nodes.match(Poet, namerow[author]).first() if poet: graph.merge(Relationship(poet, 創(chuàng)作, poem)) load_poets(data/poets.csv) load_poems(data/poems.csv)邏輯說明graph.merge(node, label, key)的第三個(gè)參數(shù)是唯一性約束字段必須和你在 Neo4j 里建的約束一致否則每次都會(huì)新建節(jié)點(diǎn)。參數(shù)上auth里的密碼是你初始化 Neo4j 時(shí)設(shè)的不是默認(rèn)的neo4j第一次登錄會(huì)強(qiáng)制改密。Relationship的方向建議統(tǒng)一成「主體→動(dòng)作→客體」比如「詩(shī)人→創(chuàng)作→詩(shī)」后面寫查詢時(shí)方向不會(huì)亂。2.3 意象和情感這類弱實(shí)體怎么掛到圖上意象明月、楊柳、孤舟和情感思鄉(xiāng)、送別、懷古不是詩(shī)本身但它們是問答的高頻入口。做法是把它們也建成節(jié)點(diǎn)用「包含意象」「表達(dá)情感」兩條邊連到詩(shī)上。這里有個(gè)坑意象抽取如果只靠分詞會(huì)把「明月光」切成「明月」和「光」導(dǎo)致誤掛。穩(wěn)妥做法是維護(hù)一個(gè)意象詞典用詞典匹配而不是純分詞。IMAGERY_DICT [明月, 楊柳, 孤舟, 落花, 流水, 鴻雁] def tag_imagery(poem_title, content): poem graph.nodes.match(Poem, titlepoem_title).first() for word in IMAGERY_DICT: if word in content: img Node(Imagery, nameword) graph.merge(img, Imagery, name) graph.merge(Relationship(poem, 包含意象, img))參數(shù)說明IMAGERY_DICT建議從 50 到 200 個(gè)高頻意象起步覆蓋《全唐詩(shī)》里出現(xiàn)頻率前 10% 的詞即可貪多反而引入噪聲。執(zhí)行完可以用一句 Cypher 驗(yàn)證MATCH (p:Poem)-[:包含意象]-(i:Imagery) RETURN count(*)數(shù)字對(duì)不上就回去查詞典匹配邏輯。3. 問句解析把「李白寫過哪些思鄉(xiāng)的詩(shī)」翻譯成圖譜查詢3.1 意圖識(shí)別和實(shí)體抽取的分工問答系統(tǒng)的第一道關(guān)卡是理解用戶問了什么。古詩(shī)詞問答的意圖其實(shí)不多常見就幾類查作者的作品、查某首詩(shī)的作者或朝代、查包含某意象的詩(shī)、查表達(dá)某情感的詩(shī)、查詩(shī)人之間的關(guān)系。意圖識(shí)別可以用規(guī)則模板也可以用輕量分類模型。本科畢設(shè)階段我建議先用規(guī)則打底把準(zhǔn)確率做穩(wěn)再考慮上模型。實(shí)體抽取要抽的是「詩(shī)人名」「詩(shī)題」「意象」「情感」「朝代」這幾類。難點(diǎn)在于詩(shī)人名和意象可能重疊比如「李白」是詩(shī)人但「李」也可能是姓氏泛稱。解決辦法是優(yōu)先匹配長(zhǎng)詞并且給每類實(shí)體維護(hù)獨(dú)立詞典。import jieba POETS {李白, 杜甫, 王維, 白居易, 蘇軾} IMAGERY {明月, 楊柳, 孤舟, 落花} EMOTIONS {思鄉(xiāng), 送別, 懷古, 邊塞} def extract_entities(question): words jieba.lcut(question) result {poet: None, imagery: None, emotion: None} for w in words: if w in POETS: result[poet] w elif w in IMAGERY: result[imagery] w elif w in EMOTIONS: result[emotion] w return result邏輯說明jieba.lcut做精確模式分詞然后逐詞比對(duì)詞典。參數(shù)上詞典要按長(zhǎng)度倒序匹配否則「白居易」可能被「白」先命中。如果問句里同時(shí)出現(xiàn)詩(shī)人和情感比如「李白寫過哪些思鄉(xiāng)的詩(shī)」兩個(gè)槽位都要填上查詢時(shí)用 AND 連接。3.2 意圖模板和槽位的映射表把意圖和槽位組合成查詢模板是這套系統(tǒng)最核心的設(shè)計(jì)。下面這張表是我實(shí)際用的映射關(guān)系可以直接抄。意圖觸發(fā)詞示例槽位對(duì)應(yīng) Cypher 片段查作品寫過、有哪些詩(shī)poet(p:Poet)-[:創(chuàng)作]-(poem)查作者誰(shuí)寫的、作者是誰(shuí)title(poem)-[:創(chuàng)作]-(p:Poet)查意象含、出現(xiàn)、描寫imagery(poem)-[:包含意象]-(i)查情感表達(dá)、抒發(fā)emotion(poem)-[:表達(dá)情感]-(e)查關(guān)系和、贈(zèng)、唱和poet1, poet2(p1)-[:贈(zèng)予]-(p2)注意觸發(fā)詞要覆蓋口語(yǔ)變體比如「寫過」和「寫了」都要能命中否則用戶換個(gè)說法系統(tǒng)就啞了。3.3 從槽位到 Cypher 的拼裝與參數(shù)化拼 Cypher 字符串時(shí)千萬(wàn)不要用 f-string 直接插用戶輸入那是注入漏洞。正確做法是用參數(shù)化查詢把槽位值作為參數(shù)傳進(jìn)去。def build_query(intent, slots): if intent 查作品 and slots[poet] and slots[emotion]: return ( MATCH (p:Poet {name: $poet})-[:創(chuàng)作]-(poem)-[:表達(dá)情感]-(e:Emotion {name: $emotion}) RETURN poem.title AS title, poem.content AS content ), {poet: slots[poet], emotion: slots[emotion]} if intent 查作者 and slots.get(title): return ( MATCH (poem:Poem {title: $title})-[:創(chuàng)作]-(p:Poet) RETURN p.name AS author ), {title: slots[title]} return None, None邏輯說明函數(shù)返回 Cypher 語(yǔ)句和參數(shù)字典兩部分執(zhí)行時(shí)用graph.run(cypher, **params)。參數(shù)說明$poet這種占位符由驅(qū)動(dòng)負(fù)責(zé)轉(zhuǎn)義用戶輸入再離譜也不會(huì)破壞語(yǔ)句結(jié)構(gòu)。如果意圖和槽位組合沒有對(duì)應(yīng)模板返回None上層給用戶一個(gè)「暫時(shí)沒理解」的兜底回復(fù)而不是硬查。4. 查詢執(zhí)行與答案生成讓返回結(jié)果像人話4.1 執(zhí)行查詢并處理空結(jié)果拿到 Cypher 和參數(shù)后執(zhí)行并判斷結(jié)果。空結(jié)果在古詩(shī)詞問答里很常見可能是圖譜里確實(shí)沒有也可能是槽位抽錯(cuò)了。兩種情況要區(qū)分對(duì)待如果實(shí)體在詞典里但圖譜查不到提示「圖譜中暫無相關(guān)記錄」如果實(shí)體根本沒抽出來提示「沒聽懂換個(gè)說法試試」。def answer(question): intent detect_intent(question) slots extract_entities(question) cypher, params build_query(intent, slots) if not cypher: return 這個(gè)問題我還沒學(xué)會(huì)換個(gè)問法試試 records graph.run(cypher, **params).data() if not records: return 圖譜里暫時(shí)沒有找到相關(guān)詩(shī)詞。 return format_answer(intent, records)參數(shù)說明graph.run(...).data()返回的是字典列表字段名和 RETURN 里的別名一致。detect_intent可以用關(guān)鍵詞命中實(shí)現(xiàn)命中多個(gè)意圖時(shí)按優(yōu)先級(jí)取第一個(gè)優(yōu)先級(jí)建議是「查關(guān)系 查作者 查作品 查意象 查情感」。4.2 答案模板與多結(jié)果截?cái)喾祷囟鄺l詩(shī)時(shí)不要一股腦全倒出來。我一般限制最多返回 5 條超出部分提示「還有 N 條可繼續(xù)追問」。答案模板按意圖區(qū)分查作品返回「詩(shī)人 共找到 N 首 詩(shī)題列表」查作者返回「《詩(shī)題》的作者是 XXX」查意象返回「包含『明月』的詩(shī)有……」并附上名句。def format_answer(intent, records): if intent 查作品: titles [r[title] for r in records[:5]] return f共找到 {len(records)} 首包括 、.join(titles) if intent 查作者: return f這首詩(shī)的作者是 {records[0][author]}。 if intent 查意象: lines [f《{r[title]}》{r[content][:20]}… for r in records[:5]] return \n.join(lines) return str(records[:5])邏輯說明截?cái)嘤们衅琜:5]同時(shí)把總數(shù)len(records)告訴用戶兼顧信息量和可讀性。參數(shù)上content[:20]截取前 20 個(gè)字符做摘要避免整首詩(shī)刷屏。如果要做成 Web 接口把a(bǔ)nswer函數(shù)包一層 Flask 路由即可返回 JSON。4.3 用 Flask 暴露一個(gè)最小問答接口from flask import Flask, request, jsonify app Flask(__name__) app.route(/qa, methods[POST]) def qa(): question request.json.get(question, ) return jsonify({answer: answer(question)}) if __name__ __main__: app.run(port5000)邏輯說明POST 接收 JSON字段名question返回answer。參數(shù)上端口用 5000和前端聯(lián)調(diào)時(shí)注意跨域開發(fā)階段可以加flask-cors。這個(gè)接口就是畢設(shè)演示的入口前端頁(yè)面或 Postman 都能調(diào)。5. 避坑與排查古詩(shī)詞問答系統(tǒng)最容易翻車的 5 個(gè)地方5.1 現(xiàn)象Neo4j 連不上報(bào)ServiceUnavailable原因通常是三個(gè)Neo4j 服務(wù)沒啟動(dòng)、bolt 端口被防火墻攔了、密碼不對(duì)。解決順序是先neo4j status看服務(wù)再telnet localhost 7687看端口最后確認(rèn)auth里的密碼是不是初始化時(shí)改過的那個(gè)。本科畢設(shè)常見錯(cuò)誤是照抄教程里的默認(rèn)密碼neo4j但實(shí)際第一次登錄已經(jīng)強(qiáng)制改密了。5.2 現(xiàn)象節(jié)點(diǎn)重復(fù)查「李白」出來好幾條原因是merge時(shí)唯一性字段沒對(duì)上或者 CSV 里同一詩(shī)人名字有空格差異。解決方法是先建唯一性約束CREATE CONSTRAINT FOR (p:Poet) REQUIRE p.name IS UNIQUE再重新導(dǎo)入。導(dǎo)入前用strip()清洗字段全角和半角空格都要處理。5.3 現(xiàn)象問「思鄉(xiāng)的詩(shī)」返回空但圖譜里明明有原因是情感節(jié)點(diǎn)沒掛上或者情感詞和用戶輸入不一致。比如圖譜里存的是「思鄉(xiāng)」用戶輸入「想家」詞典沒覆蓋。解決辦法是維護(hù)同義詞表把「想家」「思念故鄉(xiāng)」都映射到「思鄉(xiāng)」。排查時(shí)直接跑MATCH (e:Emotion) RETURN e.name看圖譜里到底有哪些情感標(biāo)簽。5.4 現(xiàn)象分詞把詩(shī)人名切碎實(shí)體抽不出來原因是 jieba 默認(rèn)詞典不含古詩(shī)人名。解決辦法是jieba.add_word(李白)把詩(shī)人名和意象詞都加進(jìn)自定義詞典或者用jieba.load_userdict(dict.txt)批量加載。參數(shù)上自定義詞典每行「詞 詞頻 詞性」三段詞頻給高一點(diǎn)保證優(yōu)先切出。5.5 現(xiàn)象Cypher 查詢慢幾秒才返回原因是沒建索引或者查詢寫了笛卡爾積。解決辦法是給常用查詢字段建索引CREATE INDEX FOR (p:Poet) ON (p.name)詩(shī)題、意象名同理。另外檢查 Cypher 里有沒有漏寫關(guān)系方向?qū)е氯珗D掃描EXPLAIN一下執(zhí)行計(jì)劃看到AllNodesScan就要警惕。6. 把問答準(zhǔn)確率再抬一截同義詞擴(kuò)展與查詢回退的實(shí)操技巧系統(tǒng)能跑通之后真正拉開差距的是準(zhǔn)確率。我踩過的最大坑是「用戶說法千變?nèi)f化詞典永遠(yuǎn)不夠」。后來我加了一層同義詞擴(kuò)展效果立竿見影。做法是維護(hù)一個(gè)synonyms.json把情感、意象、意圖觸發(fā)詞都做同義映射查詢前先歸一化。import json with open(synonyms.json, encodingutf-8) as f: SYNONYMS json.load(f) def normalize(text): for standard, variants in SYNONYMS.items(): for v in variants: if v in text: text text.replace(v, standard) return textsynonyms.json的結(jié)構(gòu)是{思鄉(xiāng): [想家, 思念故鄉(xiāng), 鄉(xiāng)愁], 明月: [月, 月亮, 月光]}。參數(shù)說明標(biāo)準(zhǔn)詞必須和知識(shí)圖譜里的節(jié)點(diǎn)名完全一致否則歸一化后還是查不到。變體詞按長(zhǎng)度倒序替換避免「月」把「月亮」拆壞。第二層是查詢回退。當(dāng)精確查詢返回空時(shí)不要直接說「沒找到」而是降級(jí)先去掉情感槽位只按詩(shī)人查再不行只按意象查最后給一個(gè)「你是不是想問……」的猜測(cè)。這個(gè)回退鏈能把很多「差一點(diǎn)就命中」的問題救回來?；赝藢蛹?jí)查詢條件適用場(chǎng)景第一層詩(shī)人 情感完整槽位第二層僅詩(shī)人情感詞沒匹配上第三層僅意象詩(shī)人名抽錯(cuò)第四層模糊匹配詩(shī)題用戶直接報(bào)詩(shī)名驗(yàn)證方法很簡(jiǎn)單準(zhǔn)備 50 條標(biāo)注好答案的測(cè)試問句跑一遍統(tǒng)計(jì)命中率每次改詞典或模板都重跑看數(shù)字是漲是跌。我一般會(huì)把測(cè)試集和結(jié)果存成 CSV方便對(duì)比不同版本。這套東西做完本科畢設(shè)的答辯基本穩(wěn)了因?yàn)槟隳苷f清楚每一層為什么這么設(shè)計(jì)、邊界在哪。最后一個(gè)習(xí)慣每次改完圖譜或詞典先跑一遍那 50 條測(cè)試問句別憑感覺覺得「應(yīng)該沒問題」。我吃過這個(gè)虧改了一個(gè)意象詞結(jié)果把另一個(gè)情感查詢帶崩了答辯前一天才發(fā)現(xiàn)。希望幫到你。本文還有配套的精品資源點(diǎn)擊獲取