基于知识图谱与GIS的战国姓氏源流数字化研究实战

最近在邯郸地区进行历史文化调研时，偶然发现一处鲜为人知的战国古墓遗址。这处遗址虽未正式大规模发掘，但其背后所关联的历史人物与姓氏源流，却为技术开发者提供了一个绝佳的案例——如何将现代信息技术应用于文化遗产的数字化保护与姓氏文化研究。本文将以“马姓”与战国名将赵奢（马服君）的关联为切入点，完整拆解一套从数据采集、知识图谱构建到可视化展示的技术实战方案。无论你是对历史文化数据挖掘感兴趣，还是希望学习如何用技术手段处理非结构化文本与空间信息，都能从本文中获得一套可直接复用的代码与工程思路。

1. 背景与核心概念：技术视角下的姓氏源流与文化遗产

在传统的历史文化研究中，姓氏源流考据多依赖于文献梳理和田野调查，过程耗时且信息分散。以“马姓”重要来源之一的“马服君”赵奢为例，其封地、事迹、后世迁徙等信息散见于《史记》、《战国策》及地方志中。对于开发者和数据科学家而言，这本质上是一个多源异构数据整合与知识发现的问题。

核心概念解析：

• 知识图谱：一种用图结构建模实体（如“赵奢”、“邯郸”、“马姓”）及其关系（如“受封于”、“姓氏来源”、“葬于”）的技术。它是将零散历史信息体系化的理想工具。
• 地理信息系统：用于处理与“古墓”、“封地”、“迁徙路线”等相关的空间数据，实现地理位置的可视化分析。
• 实体识别与关系抽取：从非结构化的历史文献文本中，自动识别出人名、地名、时间、事件等实体，并抽取出它们之间的关系，是构建知识图谱的关键前置步骤。

为什么开发者需要关注？

1. 技术通用性：本文涉及的文本处理、数据建模、图谱构建与可视化技术，同样适用于金融风控、医疗健康、社交网络分析等领域。
2. 数据挑战：历史数据存在别名（如赵奢又称马服君）、古今地名差异、记载矛盾等问题，是检验数据清洗和融合算法的好场景。
3. 跨学科实践：为数字人文、智慧文旅等新兴领域提供了具体的技术实现路径。

接下来，我们将从环境搭建开始，一步步构建一个关于“赵奢-马姓-邯郸古墓”的微型知识图谱并进行展示。

2. 环境准备与版本说明

本项目主要使用Python语言，结合自然语言处理和图数据库技术。以下环境是经过验证的稳定组合，建议使用虚拟环境进行隔离。

操作系统：Windows 10/11, macOS, 或 Linux (Ubuntu 20.04+)编程语言：Python 3.8 或 3.9核心库与工具：

• 数据处理与文本挖掘：
  • pandas==1.4.0： 数据处理与分析。
  • jieba==0.42.1： 中文分词。
  • pyltp或hanlp： 用于更专业的中文实体识别与依存句法分析（本文示例使用pyltp的简化逻辑，生产环境建议调研hanlp或LTP）。
• 知识图谱与数据库：
  • py2neo==2021.2.3： Neo4j图数据库的Python驱动。
  • Neo4j Desktop 4.4+： 图数据库服务端（需单独下载安装）。
• 可视化：
  • pyvis==0.3.2： 生成交互式网络图。
  • folium==0.14.0： 生成地理信息地图。

项目结构：

zhaoshe_masurname_project/ │ ├── data/ │ ├── raw_texts/ # 存放原始史料文本 │ ├── cleaned_data.csv # 清洗后的结构化数据 │ └── locations.geojson # 地理坐标数据 │ ├── src/ │ ├── 01_text_processor.py # 文本预处理与实体抽取 │ ├── 02_knowledge_graph.py # 构建与操作知识图谱 │ └── 03_visualization.py # 图谱与地图可视化 │ ├── output/ │ ├── knowledge_graph.html # 交互式图谱 │ └── historical_map.html # 地理分布图 │ └── requirements.txt

安装依赖： 在项目根目录下创建requirements.txt文件，内容如下：

pandas==1.4.0 jieba==0.42.1 py2neo==2021.2.3 pyvis==0.3.2 folium==0.14.0

然后在终端执行：

pip install -r requirements.txt

注意：pyltp或hanlp的安装配置较为复杂，涉及模型下载，本文为简化流程，在核心代码部分将使用基于规则和词典的简化方法进行演示。实际项目中建议根据需求配置完整的NLP pipeline。

3. 核心流程与技术拆解

整个项目流程可分为三个核心阶段，每个阶段解决特定的技术问题。

3.1 阶段一：数据采集与预处理

历史数据通常是非结构化的文本。我们的目标是将其转化为结构化的(实体1， 关系， 实体2)三元组。

1. 数据源：手动或爬虫获取《史记·廉颇蔺相如列传》中关于赵奢的段落、地方志中关于“马服山”“紫山”古墓的记载等文本，保存为.txt文件。
2. 文本清洗：去除无关字符、断句、分段。
3. 实体识别：通过构建历史人物、地名、官职的专属词典，结合jieba分词和规则，初步识别文本中的关键实体。
   • 人物词典：赵奢、赵括、廉颇、赵惠文王、马服君
   • 地名词典：邯郸、阏与、马服山、紫山、陕西、甘肃
   • 姓氏/家族词典：马姓、马服氏、赵氏

3.2 阶段二：知识图谱建模与存储

识别出实体后，需要定义它们之间的关系，并存入图数据库。

• 数据模型设计：
  • 节点：代表实体，具有标签（如Person、Place、Surname）和属性（如name、dynasty、coordinates）。
  • 关系：连接两个节点的有向边，具有类型（如BATTLE_AT、ENFEOPFED_AS、SOURCE_OF）。
• 图数据库选择：Neo4j因其直观的图查询语言Cypher和活跃的社区，成为知识图谱项目的热门选择。它将数据存储为“节点-关系-节点”的图结构，非常适合表达复杂的关联关系。

3.3 阶段三：可视化与查询分析

将存储在Neo4j中的数据以直观的方式展现出来。

1. 网络图可视化：使用pyvis生成HTML文件，可以拖拽节点、点击查看属性，直观展示“赵奢”如何通过“受封于”关联到“马服君”，再通过“演变为”关联到“马姓”。
2. 地理信息可视化：使用folium，将“邯郸”、“阏与古战场”、“疑似马服君墓地点”标注在地图上，形成空间维度上的认知。
3. 图谱查询：通过Neo4j的Cypher语言，可以轻松查询复杂问题，例如：“找出所有与‘邯郸’相关的人物，并显示他们的关系”。

4. 完整实战案例：构建“赵奢-马姓”知识图谱

4.1 数据准备与模拟

由于真实史料爬取涉及版权与复杂性，我们创建模拟数据文件来演示全流程。

1. 创建原始文本 (data/raw_texts/history.txt)：

赵奢，战国时期赵国名将。初为田部吏，后任将军。赵惠文王二十九年，秦军攻韩，围阏与。赵奢率军救援，大败秦军，功封马服君，葬于邯郸附近。其子孙初以“马服”为氏，后省称为“马”姓。后世马姓一支迁至陕西扶风，成为郡望。邯郸城西北有马服山，相传与赵奢有关。

2. 创建地理数据 (data/locations.geojson)：

{ "type": "FeatureCollection", "features": [ { "type": "Feature", "properties": {"name": "邯郸", "type": "古都"}, "geometry": {"type": "Point", "coordinates": [114.4907, 36.6123]} }, { "type": "Feature", "properties": {"name": "阏与古战场", "type": "战场"}, "geometry": {"type": "Point", "coordinates": [113.8, 36.9]} }, { "type": "Feature", "properties": {"name": "马服山(疑似)", "type": "山丘/古迹"}, "geometry": {"type": "Point", "coordinates": [114.45, 36.65]} } ] }

4.2 文本处理与三元组抽取 (src/01_text_processor.py)

本示例使用基于词典和简单规则的方法进行抽取。

# src/01_text_processor.py import pandas as pd import jieba import re # 加载自定义词典 jieba.load_userdict("data/custom_dict.txt") # 内容为：赵奢 nr 马服君 nr 阏与 ns 邯郸 ns 马服山 ns 扶风 ns def extract_triplets_from_text(file_path): """ 从文本中抽取简单的三元组（实体-关系-实体）。 这是一个简化示例，真实项目需使用更复杂的NLP模型。 """ with open(file_path, 'r', encoding='utf-8') as f: text = f.read() # 定义一些简单的规则模式（正则表达式） patterns = [ (r'(赵奢)[，。].*?(封|号为)(马服君)', 'ENFEOFFED_AS'), # 赵奢 封为 马服君 (r'(马服君)[，。].*?(葬于)(邯郸)', 'BURIED_AT'), # 马服君 葬于 邯郸 (r'(子孙)[以]?(马服)[为氏]?，?后(省称|简称为)(马姓)', 'EVOLVED_TO'), # 马服氏 演变为 马姓 (r'(马姓)[一支]?(迁至)(扶风)', 'MIGRATED_TO'), # 马姓 迁至 扶风 (r'(赵奢)[率军]?(救援|大败)(秦军)', 'DEFEATED'), # 赵奢 大败 秦军 (r'(秦军)[围](阏与)', 'SURROUNDED'), # 秦军 围 阏与 ] triplets = [] for pattern, relation in patterns: matches = re.finditer(pattern, text) for match in matches: # 根据不同的模式组提取实体 if relation == 'ENFEOFFED_AS': e1, e2 = match.group(1), match.group(3) elif relation == 'EVOLVED_TO': e1, e2 = '马服氏', '马姓' # 直接指定 else: e1, e2 = match.group(1), match.group(3) triplets.append((e1.strip(), relation, e2.strip())) # 去重 triplets = list(set(triplets)) # 转换为DataFrame df = pd.DataFrame(triplets, columns=['entity1', 'relation', 'entity2']) return df if __name__ == '__main__': df_triplets = extract_triplets_from_text('data/raw_texts/history.txt') print("抽取到的三元组：") print(df_triplets) # 保存为CSV，供下一阶段使用 df_triplets.to_csv('data/cleaned_data.csv', index=False, encoding='utf-8-sig')

运行此脚本后，会在data目录下生成cleaned_data.csv，包含初步抽取的三元组。

4.3 构建知识图谱 (src/02_knowledge_graph.py)

此脚本负责连接Neo4j，并将CSV中的数据构建成图。

# src/02_knowledge_graph.py from py2neo import Graph, Node, Relationship import pandas as pd # 连接Neo4j数据库（请提前启动Neo4j服务，并修改为自己的密码） NEO4J_URI = "bolt://localhost:7687" NEO4J_USER = "neo4j" NEO4J_PASSWORD = "your_password" # 请务必修改！ graph = Graph(NEO4J_URI, auth=(NEO4J_USER, NEO4J_PASSWORD)) def clear_graph(): """清空现有图谱（谨慎使用，仅用于演示）""" graph.run("MATCH (n) DETACH DELETE n") print("图谱已清空。") def create_knowledge_graph_from_csv(csv_path): """从CSV文件读取三元组并创建图谱""" df = pd.read_csv(csv_path, encoding='utf-8-sig') # 定义节点标签映射（根据实体名称简单判断，实际应更复杂） def get_label(entity): if '赵奢' in entity or '马服君' in entity: return 'Person' elif '秦军' in entity: return 'Army' elif '邯郸' in entity or '阏与' in entity or '扶风' in entity: return 'Place' elif '马姓' in entity or '马服氏' in entity: return 'Surname' else: return 'Thing' node_cache = {} # 缓存已创建的节点对象，避免重复创建 for _, row in df.iterrows(): e1, rel, e2 = row['entity1'], row['relation'], row['entity2'] # 获取或创建第一个节点 if e1 not in node_cache: label1 = get_label(e1) node1 = Node(label1, name=e1) graph.create(node1) node_cache[e1] = node1 else: node1 = node_cache[e1] # 获取或创建第二个节点 if e2 not in node_cache: label2 = get_label(e2) node2 = Node(label2, name=e2) graph.create(node2) node_cache[e2] = node2 else: node2 = node_cache[e2] # 创建关系 relationship = Relationship(node1, rel, node2) graph.create(relationship) print(f"已创建关系: ({e1})-[:{rel}]->({e2})") print(f"知识图谱构建完成！共创建 {len(node_cache)} 个节点，{len(df)} 条关系。") if __name__ == '__main__': # 首次运行可先清空，生产环境切勿随意使用 # clear_graph() create_knowledge_graph_from_csv('data/cleaned_data.csv') # 运行一个简单查询示例 query = """ MATCH (p:Person {name:'赵奢'})-[r]->(n) RETURN p.name, type(r), n.name """ result = graph.run(query).data() print("\n查询‘赵奢’的所有关系：") for record in result: print(f"{record['p.name']} -[{record['type(r)']}]-> {record['n.name']}")

4.4 可视化展示 (src/03_visualization.py)

分别生成交互式知识图谱和地理地图。

# src/03_visualization.py from py2neo import Graph from pyvis.network import Network import folium import json # 连接图数据库 graph = Graph("bolt://localhost:7687", auth=("neo4j", "your_password")) def create_interactive_graph(): """从Neo4j中读取数据，用pyvis生成交互式HTML""" # 查询所有节点和关系 query = """ MATCH (n)-[r]->(m) RETURN n.name as source, labels(n)[0] as source_label, type(r) as relation, m.name as target, labels(m)[0] as target_label """ data = graph.run(query).data() net = Network(height="750px", width="100%", bgcolor="#222222", font_color="white") # 为不同标签的节点设置不同颜色 node_colors = { 'Person': '#ff6b6b', 'Place': '#4ecdc4', 'Surname': '#ffe66d', 'Army': '#95e1d3', 'Thing': '#aaa' } added_nodes = set() for record in data: src, src_label, rel, tgt, tgt_label = record['source'], record['source_label'], record['relation'], record['target'], record['target_label'] if src not in added_nodes: net.add_node(src, label=src, color=node_colors.get(src_label, '#aaa'), title=src_label) added_nodes.add(src) if tgt not in added_nodes: net.add_node(tgt, label=tgt, color=node_colors.get(tgt_label, '#aaa'), title=tgt_label) added_nodes.add(tgt) net.add_edge(src, tgt, title=rel, label=rel) # 设置物理布局，使图更美观 net.repulsion(node_distance=150, spring_length=200) net.show_buttons(filter_=['physics']) # 在生成的HTML中显示布局控制按钮 output_path = "output/knowledge_graph.html" net.save_graph(output_path) print(f"交互式知识图谱已生成: {output_path}") def create_historical_map(): """使用folium创建历史地点地图""" # 中心点设为邯郸 m = folium.Map(location=[36.6123, 114.4907], zoom_start=10, tiles='OpenStreetMap') # 读取GeoJSON数据 with open('data/locations.geojson', 'r', encoding='utf-8') as f: geojson_data = json.load(f) # 为不同类型的地点设置不同的图标颜色 type_to_color = { '古都': 'red', '战场': 'blue', '山丘/古迹': 'green' } for feature in geojson_data['features']: name = feature['properties']['name'] loc_type = feature['properties']['type'] coords = feature['geometry']['coordinates'][::-1] # GeoJSON是[经度,纬度]，folium需要[纬度,经度] color = type_to_color.get(loc_type, 'gray') popup_text = f"<b>{name}</b><br>类型：{loc_type}" folium.Marker( location=coords, popup=popup_text, tooltip=name, icon=folium.Icon(color=color, icon='info-sign') ).add_to(m) # 可以添加一个图层控制 folium.LayerControl().add_to(m) output_path = "output/historical_map.html" m.save(output_path) print(f"历史地点地图已生成: {output_path}") if __name__ == '__main__': create_interactive_graph() create_historical_map()

4.5 运行与结果说明

1. 启动Neo4j：在Neo4j Desktop中启动你的数据库，记下bolt://localhost:7687和密码。
2. 修改配置：将src/02_knowledge_graph.py和src/03_visualization.py中的NEO4J_PASSWORD替换为你自己的密码。
3. 执行脚本：按顺序运行三个脚本。

   cd /path/to/zhaoshe_masurname_project python src/01_text_processor.py python src/02_knowledge_graph.py python src/03_visualization.py

4. 查看结果：
   • 打开output/knowledge_graph.html，你会看到一个可拖拽、点击查看关系的网络图，清晰展示了“赵奢”、“马服君”、“马姓”、“邯郸”等实体间的历史关联。
   • 打开output/historical_map.html，你会看到一个聚焦邯郸地区的地图，上面标记了相关历史地点。

至此，我们完成了一个从文本数据到可视化知识图谱的完整技术闭环。

5. 常见问题与排查思路

在实践上述流程时，你可能会遇到以下典型问题：

问题现象	可能原因	排查步骤与解决方案
连接Neo4j失败	1. Neo4j服务未启动。 2. 地址、端口或密码错误。 3. 防火墙或网络策略阻止连接。	1. 检查Neo4j Desktop状态，确保数据库为Running。 2. 在Neo4j Browser中通过:server connect测试连接，确认bolt://地址和端口。 3. 检查py2neo版本是否与Neo4j兼容（Neo4j 4.x+ 与py2neo 2021.x兼容性较好）。
实体识别准确率低	1. 词典覆盖不全。 2. 简单规则无法处理复杂句法。 3. 古文存在一词多义、通假字。	1. 扩充领域词典（如加入更多战国人名、地名）。 2.升级NLP工具：使用hanlp、LTP或StanfordNLP等支持古文或历史文本的模型进行实体识别与关系抽取。 3. 结合上下文规则和后处理逻辑进行纠错。
生成的知识图谱杂乱	1. 抽取的三元组存在噪声或错误。 2. 节点未去重，同一实体多次创建。 3. 关系类型定义模糊。	1. 在数据预处理阶段增加人工校验或基于置信度的过滤。 2. 在代码中强化节点融合逻辑，例如通过别名表（“赵奢”=“马服君”）将指向同一实体的节点合并。 3. 设计更规范、层级化的关系体系（如IS_A,PART_OF,LOCATED_AT等）。
地图坐标不准确或无法显示	1. GeoJSON坐标顺序错误（应为[经度, 纬度]）。 2. 坐标值超出合理范围（中国范围：经度~73-135，纬度~3-53）。 3.folium未正确引入或版本问题。	1. 使用在线的GeoJSON验证器检查数据格式。 2. 核对坐标数据，确保是WGS84坐标系。 3. 确保folium已安装，并检查浏览器控制台是否有JavaScript错误。
性能问题（数据量大时）	1. 在Python循环中逐条创建节点/关系。 2. 未使用索引。 3. 查询语句未优化。	1. 使用Neo4j的LOAD CSV指令或py2neo的Graph.run()批量执行Cypher语句，效率远高于单条创建。 2. 为高频查询的属性（如name）创建索引：CREATE INDEX ON :Person(name)。 3. 使用PROFILE或EXPLAIN分析Cypher查询性能，避免全图扫描。

6. 最佳实践与工程建议

将技术应用于历史文化领域，除了功能实现，更需关注数据的准确性、系统的可维护性和成果的可解释性。

1. 数据质量优先

   • 多源校验：对于关键史实（如人物生平、事件时间），应交叉比对多个权威史料来源，在数据模型中可以通过添加source属性来记录出处。
   • 不确定性标注：对于存疑或传说性质的信息（如“马服山(疑似)”），应在节点或关系属性中明确标注certainty=low或evidence=legend，避免将技术输出等同于历史定论。
   • 版本化管理：对原始文本、清洗规则、抽取的三元组进行版本控制（如使用Git），便于追溯和修正。

2. 知识图谱设计规范化

   • 本体定义：在项目开始前，花时间设计一个简单的本体（Ontology），明确有哪些类型的实体（Class）和关系（Property），例如定义HistoricalFigure、Battle、Location等类及其属性。
   • 唯一标识符：为每个实体创建内部唯一ID（如QID），而不是仅依赖名称，以解决同名异人、异名同人问题。
   • 关系细化：避免滥用笼统的RELATED_TO关系。应尽可能使用具体的关系，如COMMANDED_BY、OCCURRED_AT、DIED_IN，这能极大提升图谱的查询和分析价值。

3. 工程化与扩展性

   • 配置分离：将数据库连接信息、文件路径、API密钥等写入配置文件（如config.yaml或.env），不要硬编码在脚本中。
   • 模块化设计：如本文所示，将文本处理、图谱构建、可视化分离成独立模块，便于单独测试和替换。例如，可以轻松将基于规则的抽取器替换为基于BERT的深度学习模型。
   • 自动化流水线：使用Apache Airflow或简单的Makefile将数据预处理、图谱更新、可视化生成等步骤串联成自动化流水线，实现数据的定期更新。

4. 可视化与交互优化

   • 分层展示：对于大型图谱，不要一次性展示所有节点。可以按时间（战国、汉代）、地域（赵国、秦国）、主题（军事、姓氏）进行分层或过滤展示。
   • 集成时间轴：历史数据的核心维度是时间。可以考虑使用TimelineJS等库，将事件与人物生平在时间轴上呈现，与知识图谱联动。
   • 提供探索式查询界面：除了静态可视化，可以构建一个简单的Web应用（使用Flask/Django + Neo4j），允许用户输入Cypher查询或通过表单筛选来探索图谱，例如“显示所有与‘邯郸’相距100公里内的历史事件”。

5. 安全与伦理考量

   • 数据版权：使用的公开史料需注意版权声明，尤其是现代点校版。成果发布时应注明数据来源。
   • 文化尊重：处理涉及墓葬、宗族等敏感话题时，表述应严谨、尊重，技术分析服务于历史文化研究，避免猎奇或不当推测。
   • 系统安全：如果项目部署到公网，务必为Neo4j数据库设置强密码，禁用默认端口，或通过应用层API访问，避免数据库直接暴露。

通过以上步骤，我们不仅完成了一个具体的技术项目，更建立了一套处理类似“历史文化遗产数字化”问题的通用方法论。从散乱的文本到结构化的知识，再到直观的可视化，技术让沉睡的历史数据焕发了新的生命力，也为姓氏文化、地方史研究提供了全新的工具和视角。你可以尝试用这套方法，去构建你自己家乡的历史人物图谱，或者分析某个特定行业的发展脉络。