在当今教育信息化与人工智能技术蓬勃发展的背景下，基于知识图谱的古诗词问答系统作为一项结合传统文化与现代技术的创新项目，显得尤为突出。该系统不仅能够增强学生对古诗词的兴趣和理解，而且能够作为本科生的课程设计或毕业设计课题，具有很高的实用价值和学术研究意义。 知识图谱作为构建该问答系统的核心技术，它通过图结构组织和关联各类信息，能够有效地表达复杂的知识关系和逻辑结构。在古诗词领域，知识图谱能够包含诗词作者、朝代、题材、意境、用词风格等多维度的知识信息。通过构建这样的图谱，系统能够为用户提供的诗词问答服务提供强大而准确的知识支持。 古诗词问答系统的设计与实现涉及到多个学科的知识。比如，计算机科学领域中的自然语言处理技术，它能够让系统理解用户提出的自然语言问题，并通过算法匹配知识图谱中的相关信息，生成准确的诗词内容和答案。同时，系统还需要具备良好的用户交互界面，使用户体验更为友好。 再者，该系统在设计过程中，需要考虑到如何将复杂的知识图谱与用户实际需求相结合，这就需要在系统设计中注重易用性和互动性的平衡。例如，系统可能需要提供关键词搜索、上下文相关推荐、智能问答等多种交互方式，以满足不同用户的个性化需求。 在实际应用层面，基于知识图谱的古诗词问答系统可以应用于教育、文化传承等多个领域。对于教育领域，它能够作为辅助教学工具，帮助学生更好地学习和理解古诗词。对于文化传承，通过普及古诗词知识，该系统也有助于推广中国传统文化，激发更多人对中国古典文学的兴趣。 此外，这样的项目可以作为高校本科阶段的课程设计或毕业设计课题，为学生提供一个将理论知识转化为实践操作的平台。学生在项目中能够深入理解知识图谱、自然语言处理等相关技术，并在指导老师的帮助下，完成从项目需求分析、系统设计、编码实现到最终测试的全过程。这样的实践经历对于提高学生的技术能力和创新思维能力具有重要作用。 基于知识图谱的古诗词问答系统是一项集教育性、技术性与文化传承于一体的综合性项目，它的开发与应用不仅能够为古诗词爱好者提供一个智能化的学习平台，同时也为计算机科学教育提供了宝贵的实践案例，是一举多得的教学和研究工具。

django + es 实现唐诗宋词搜索引擎 通过django和elasticsearch实现的对大约311860首唐诗宋词的搜索引擎，主要使用了一下技术以及依赖： docker elasticsearch django djangorestframe vue semantic-ui 启动方式 新建虚拟环境（当然也可以不新建） python3 -m venv env . env/bin/activate 数据库迁移 python manage.py makemigrations python manage.py migrate 数据填充 把古诗数据填充进数据库： python manage.py shell from poems.models import Poem Poem().populate() 创建es索引 python manage.py search_index --rebui

Python dependency management and packaging made easy. Poetry：Python 的依赖管理 Poetry 帮助您声明、管理和安装 Python 项目的依赖项，确保您在任何地方都有正确的堆栈。 它支持 Python 2.7 和 3.4+。 完整的文档可以在官方网站上找到。 安装 Poetry 提供了一个自定义安装程序，它将通过供应商化其依赖项来安装与系统其余部分隔离的诗歌。 这是安装诗歌的推荐方式。 curl -sSL https://raw.githubusercontent.com/python-poetry/poetry/master/get-poetry.py | python 或者，您可以下载 get-poetry.py 文件并单独执行。 如果要安装预发布版本，可以通过将 --preview 传递给 get-poetry.py 来实现： python get-poetry.py --preview 同样，如果要安装特定版本，可以使用 --version : python get-poetry.py --ver

欢迎使用LiBai AI作曲家 :waving_hand: 人工智能自动生成中文诗歌。 很久以来，我们都想让机器自己创作诗歌，当无数作家，编辑还没有抬起笔时，AI已经完成了一些文章文章。现在，这里是逐步.... :house: :thumbs_up: 结果 阅遍了近4万首唐诗，做出： 龙舆迎池里，控列守龙猱。 几岁芳篁落，来和晚月中。 殊乘暮心处，麦光属激羁。 铁门通眼峡，高桂露沙连。 倘子门中望，何妨嶮锦楼。 择闻洛臣识，椒苑根觞吼。 柳翰天河酒，光方入胶明。 这诗做的很有感觉啊，这都是勤奋的结果啊，基本上学习了全唐诗的所有精华才有了这么牛逼的能力，这一般人能做到？细节，如果有未尽之处，大家可以通过微信找到我，那个头像很神奇的男人。闲话不多

本教程将通过一个示例对LSTM进行介绍。通过搭建训练LSTM网络，我们将训练一个模型来生成唐诗。本文将对该实现进行详尽的解释，并阐明此模型的工作方式和原因。并不需要过多专业知识，但是可能需要新手花一些时间来理解的模型训练的实际情况。为了节省时间，请尽量选择GPU进行训练。 1 简介 本项目基于paddlepaddle2.0，结合长短期记忆（Long short-term memory, LSTM）,以唐诗为数据集通过监督学习的方式，训练生成唐诗。 参考文档： 1.1 LSTM解决什么问题？ RNN突出的优点之一就是可以用来连接先前的信息到当前的任务上，有时候，我们仅仅需要知道先前的信息来执行当前的任务。例如，我们有一个语言模型用来基于先前的词来预测下一个词。如果试着预测 “the clouds are in the ___ ” 最后的词，我们并不需要任何其他的上下文下一个词显然就应该是sk

诗歌网 一个唐宋诗词简单展示的web项目 技术构成 基于java，框架spring-boot + springMVC + Mybatis 数据库为Mysql web模板采用freeMarker，以及ajax加载 页面由vue重构： : ，原页面依旧保留 查询实现 1. mysql全文索引 模糊查询通过mysql建立全文索引，未使用分词器，将最小分词数转换2： [mysqld] innodb_ft_min_token_size=2 ft_min_word_len=2 2.分词问题 不但mysql没有有效的中文分词器，而且针对古文/古诗的分词器根本就没有。只进行了简单的分词，保留2个字的结果，放入关键字属性列。 3.查询速度 查询采用了布尔布尔模糊匹配，效率虽然比直接模糊查询快，但有时也会很慢。将查询结果前100条id插入表中，每次查询先查结果表。 数据源 唐宋诗词收缩： : 本项目对应数据库下载（base64，更新时间2020/05/28）： aHR0cCUzQS8vbXkuc25vd3RyYWNlcy5jb20vc2l0ZW1hcC9wb2V0cnktc3FsLnppcA==

资源来自pypi官网。 资源全名：poetry-0.6.3b5.tar.gz

poetry_song数据集

poetry5000数据集

chinese-poetry.zip,最全中华古诗词数据库, 唐宋两朝近一万四千古诗人, 接近5.5万首唐诗加26万宋诗. 两宋时期1564位词人，21050首词。