1. 项目概述:当古典诗词遇上AI技术栈
这个毕业设计项目完美展现了如何用现代技术解构传统文化。我们以Django框架为基础,整合LLM大语言模型的知识图谱能力,构建了一个能分析古诗词情感倾向、实现智能推荐和可视化展示的全栈系统。不同于简单的诗词检索工具,这套系统真正实现了三个维度的智能化:通过情感分析理解诗词内涵,基于知识图谱建立作品关联,利用可视化技术呈现文学脉络。
我去年指导过类似项目时发现,多数诗词平台仅停留在关键词匹配层面。而这个设计的创新点在于:让机器学会"读懂"诗词。比如李清照《声声慢》中"寻寻觅觅,冷冷清清"的孤寂感,系统能通过情感分析模型准确识别为"忧郁"类别,并与作者生平、时代背景等知识图谱节点自动关联。当用户查询婉约派作品时,不仅能推荐风格相近的诗词,还能通过关系图谱展示流派演变过程。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 技术架构解析
2.1 核心组件拓扑
整个系统采用分层架构设计,自底向上分为:
- 数据层:使用Neo4j图形数据库存储诗词、作者、朝代等实体关系
- 算法层:BERT+BiLSTM混合模型处理情感分析,GAT图神经网络构建知识图谱
- 应用层:Django REST framework提供API接口
- 展现层:Echarts+Vue.js实现动态可视化
特别要说明模型层的设计考量:单纯用BERT处理古汉语效果不佳,我们加入BiLSTM捕捉诗句中的序列特征。在"感时花溅泪,恨别鸟惊心"这类诗句中,BiLSTM能更好识别"溅泪→悲伤"、"惊心→痛苦"的情感递进关系。
2.2 关键技术选型对比
| 技术选项 | 替代方案 | 选择理由 |
|---|---|---|
| Django | Flask/Spring | 自带Admin后台适合快速构建数据管理界面,ORM对复杂关系型数据支持更好 |
| Neo4j | MyS |
