简介：一份面向计算机专业毕业设计的高分完整项目，基于Python构建知识图谱电影问答系统，覆盖数据清洗、实体构建、图谱存储与问答交互的完整开发链路。项目经导师指导并获九十九分评审，代码完整、可直接运行，即使刚入门的新手也能参照说明逐步启动，适用于毕业设计、课程设计及期末大作业等场景。资源包为zip压缩格式，大小约六点三MB，共一百一十六个文件，包括十三份Python源码、八个HTML页面、七份CSS样式和多个JavaScript脚本，还包含JSON、XML配置文件及电影、人物、类型等CSV关系数据，为知识图谱搭建提供了完整数据支撑。前端页面与后端逻辑分层清晰，并配有Bootstrap等样式组件，方便二次修改与学习。该资源已有一百六十一人学习下载，借助源码内说明文档、数据组织方式和工程配置，读者可较快理解从零实现一个知识图谱问答系统的方法，减少踩坑，提高毕设完成质量。
1. 知识图谱电影问答系统：一份能讲清楚“数据到问答”的 Python 毕设
如果你见过毕业答辩现场，评委最常问的不是“代码能不能跑”，而是“你这个项目到底解决了什么问题”。这套基于知识图谱的电影问答系统源码，值得拿下的点就在这：它把整个问题拆成了“数据建模—图谱构建—自然语言问答”三段，每一段都能单独讲、单独改。我第一次拆这份资源时，以为难点在回答模板怎么写，结果发现最难的是电影名消歧和 Cypher 查询组装——同一个人名、同一部电影，在 CSV 里和用户问句里的写法可能完全不一样。它适合正在做 Python 毕业设计、知识图谱课程设计，或者想完整走一遍数据到问答全链路的人。前端用 Bootstrap 那套样式，后端逻辑集中在数据清洗和问答模块，不是一句句写死答案的玩具。
2. 先拆文件再谈原理：CSV 数据模型与系统三层架构
2.1 只看文件名就能还原数据模型：movie、person_to_movie、movie_to_genre
拿到源码包，我先把目录翻了一遍，记住一件事：真正决定问答效果的不是那些 CSS 文件，而是三个 CSV——movie.csv、person_to_movie.csv、movie_to_genre.csv。前端那几个样式文件（bootstrap.css、style000.css、font-awesome.css、owl.carousel.css、poposlides.css、circles.css、style.css）只是把问答页面、结果列表这些展示层做得像点样子，属于静态资源，图谱导入和问答逻辑都不会碰它们。
在常见建模方式里，movie.csv 是电影主体，记录电影 ID、电影名、评分、上映年份等信息；person_to_movie.csv 是人物与电影的关联表，至少包含人物标识、电影标识和角色类型，有些版本里会直接把“导演”“演员”这类角色写成一个字段；movie_to_genre.csv 负责把电影和喜剧、动作、科幻这些类型挂上钩。这三张表翻译成知识图谱就是两类节点加两类关系：Movie、Person、Genre 是节点，person_to_movie 映射成“出演/导演”关系，movie_to_genre 映射成“属于”关系。
| 文件 | 内容 | 在知识图谱里的角色 |
|---|---|---|
| movie.csv | 电影主体信息 | Movie 节点 |
| person_to_movie.csv | 人物与电影的关联 | Person 节点 + 出演/导演关系 |
| movie_to_genre.csv | 电影与类型的关联 | Movie 节点 + 属于关系 |
| *.css | 页面样式 | 静态资源，不参与问答逻辑 |
从命名规则也能看出一件事：这套资源不是单文件脚本，而是一个小工程。movie.csv 与 movie_to_genre.csv 通过 movie_id 连接，person_to_movie.csv 同时连接 Person 和 Movie 两类节点。关系是有方向的：人演电影，电影属于类型。在 Neo4j 里方向就是箭头，Cypher 查询句法严重依赖方向，导入时方向反了，问答结果就全是反的。这张表列的是典型列结构，不同版本列名会有些出入，比如 person_to_movie.csv 里可能没有独立的人名列，只有 person_id 和电影 ID，那就要在清洗阶段把“人物节点”单独拆出来。这也给你一个判断标准：如果导入后关系数量对不上，优先检查关联表里的 ID 是不是字符串一致性出了问题，而不是急着改问答代码。
2.2 三层架构：“数据清洗—图谱查询—问答组装”的选型理由
我习惯把这类项目拆成三层来读。第一层是数据层，CSV 进来以后先做清洗，编码统一、去重、空值处理，得到一批干净的节点和关系；第二层是图谱层，实体和关系落到 Neo4j，用 Cypher 完成“查某人的作品”“查某片的导演”这类查询；第三层是问答层，接收用户问句，解析出电影名或人名、判断意图、拼 Cypher、把结果拼回一句人话返回给前端。
为什么会选 Neo4j 而不是 MySQL？关键差别在“多跳关系”。问“周星驰主演过的喜剧片里评分最高的三部”，MySQL 得写三四层 join，图数据库用模式匹配一句话就出来了。对毕设来说，图模型在答辩时也更容易讲清楚“多对多关系怎么建模”。但整套流程真正耗时的地方是数据清洗和实体匹配，不是 Neo4j 本身。所以我拿到这份源码后的操作顺序是：先看你手上的 CSV 能不能对上 ID，再看 Neo4j 连接能不能通，最后才动问答逻辑。
问答请求链路通常是这样的：前端提交问句，Flask 路由收下，交给一个问答服务类，类里先做意图分类，再抽取实体，然后调知识图谱查询，最后把结果格式化返回。由于数据量不大，这种单体结构完全够用，也比前后端分离更容易在答辩现场演示。还有一点值得说：这套资源把数据放在 CSV 而不是数据库脚本里，最大的好处是离线可读、方便 Python 处理，也方便你替换成自己的数据集。只要保持列名不变，问答逻辑几乎不用动。你完全可以换成漫威电影、动画番剧或者图书数据，CSV 文件本身就是你的“数据接口”。这个收益在中期答辩时非常明显，导师问“数据哪来的”，你直接给 CSV 和清理脚本就能说清楚。
2.3 那些 CSS 文件到底做什么用：先分清静态资源和业务代码
目录里有 bootstrap.css、style000.css、font-awesome.css、owl.carousel.css、poposlides.css、circles.css、style.css 一堆样式，第一次见这股阵仗的初学者，容易误以为这是下载来的整站模板。实际上这些文件只负责页面表现：bootstrap 是最基础的栅格和组件样式，font-awesome 提供图标，owl.carousel 和 poposlides 是做轮播和滚动展示的插件样式，circles 多半用于圆形图表，style.css 是定制样式。它们的存在说明资源包带了一个相对完整的前端页面，不需要你另找模板。
处理方式是不用逐行读这些 CSS。把入口 HTML 模板打开，找到引入 CSS 的标签，就知道哪个文件作用于哪个模块。真要替换成自己的界面，只保留 style.css 和 bootstrap.css 也够用。如果你只想跑通问答逻辑，这些静态文件可以直接忽略，它不会影响 Neo4j 导入和问答结果。拿到资源先分清“业务代码”和“静态资源”，能省下不少无效阅读时间。
3. 把 CSV 变成图谱：数据清洗、实体对齐与 Cypher 导入
3.1 用 pandas 清洗三份 CSV：编码、空值、去重与列名规范
清洗这一步决定后面百分之八十的成败。我拿到 CSV 第一件事是判断编码。用 Excel 改过或 Windows 环境下另存过的 CSV，经常带有 BOM 头，pandas 用默认 utf-8 读会把第一列列名读成带“\ufeff”的脏字符串；另外 CSV 里某些字段因为含逗号，会被解析成多列。所以读取时我一般固定用 utf-8-sig 和 engine="python"。
import pandas as pd movie = pd.read_csv("movie.csv", encoding="utf-8-sig", engine="python") person_to_movie = pd.read_csv("person_to_movie.csv", encoding="utf-8-sig", engine="python") movie_to_genre = pd.read_csv("movie_to_genre.csv", encoding="utf-8-sig", engine="python") # 后续 Cypher 里要用一致的主键，先把列名固定成英文 movie.columns = ["movie_id", "title", "rating", "release_date"] person_to_movie.columns = ["person_id", "person_name", "movie_id", "role"] movie_to_genre.columns = ["movie_id", "genre_name"] # 主键必须不为空且不重复 movie = movie.dropna(subset=["movie_id"]).drop_duplicates(subset=["movie_id"]) person_to_movie = person_to_movie.dropna(subset=["person_id", "movie_id"]) movie_to_genre = movie_to_genre.dropna(subset=["movie_id", "genre_name"]) # 关键一步：主键统一转成字符串并去掉空格，防止 Cypher 里数字和字符串不匹配 movie["movie_id"] = movie["movie_id"].astype(str).str.strip() person_to_movie["movie_id"] = person_to_movie["movie_id"].astype(str).str.strip() person_to_movie["person_id"] = person_to_movie["person_id"].astype(str).str.strip() movie_to_genre["movie_id"] = movie_to_genre["movie_id"].astype(str).str.strip()几个参数值得说清楚。encoding="utf-8-sig" 会在读取时自动吃掉开头的 BOM，多花的时间几乎为零，但能避免很多“列名对不上”的玄学问题；engine="python" 是让 pandas 用 Python 解析器而不是 C 解析器，碰到字段里有逗号、引号错位时更稳，缺点是慢，但这份数据量根本感觉不出来。dropna 和 drop_duplicates 是实体唯一性的第一道防线，因为 LOAD CSV 导入时如果主键重复，MERGE 会静默覆盖或产生意外属性。astype(str) 也很有必要，LOAD CSV 读进来的字段全部是字符串，而 Excel 里的 ID 容易被存成数字，两边不一致就容易匹配失败。
清洗完以后，如果你手上的 person_to_movie.csv 只有 person_id 和 movie_id，没有单独的人物表，需要额外拆一张 Person 节点表：
person = person_to_movie[["person_id", "person_name"]].drop_duplicates() person.to_csv("person.csv", index=False, encoding="utf-8-sig")person.csv 是给 Neo4j 导入“人物节点”用的中间文件。实际项目里还可能遇到同一个人名对应多个 person_id 的情况，这就属于实体对齐任务，放到后面小节讲。
提示：清洗脚本和导入脚本建议分开保存。清洗只产出 CSV，导入负责写 Neo4j，这样换数据集时不用改导入逻辑。
3.2 Neo4j 建约束和索引：先定义实体唯一性
在导入数据前，我强烈建议先在 Neo4j 里建好唯一约束。它有三个作用：防止同一个电影、人物、类型出现重复节点；加速后续查询；告诉评审你的建模有“唯一性设计”。以下 Cypher 在 Neo4j 4.x 和 5.x 里都可以直接执行：
CREATE CONSTRAINT movie_unique IF NOT EXISTS FOR (m:Movie) REQUIRE m.movie_id IS UNIQUE; CREATE CONSTRAINT person_unique IF NOT EXISTS FOR (p:Person) REQUIRE p.person_id IS UNIQUE; CREATE CONSTRAINT genre_unique IF NOT EXISTS FOR (g:Genre) REQUIRE g.genre_id IS UNIQUE;注意这里给 Genre 节点加了 genre_id 属性，它可以直接用 genre_name 作为 ID。约束一旦创建，后面再往库里写入相同主键时，CREATE 会直接报错，所以数据导入脚本里才统一用 MERGE。如果你用的是老版本 Neo4j 3.x，要写成 FOR (m:Movie) ON (m.movie_id) ASSERT m.movie_id IS UNIQUE，很多教程没区分版本，照抄会翻车。
3.3 批量导入节点与关系：LOAD CSV 与逐条写入的选择
节点导入用 LOAD CSV 最省事。先把清洗好的 movie.csv 和 person.csv 放进 Neo4j 的 import 目录。在社区版默认配置里，LOAD CSV 只能读 file:/// 开头的文件，不能随便读磁盘任意路径，这是 Neo4j 出于安全考虑的限制。
LOAD CSV WITH HEADERS FROM "file:///movie.csv" AS row MERGE (m:Movie {movie_id: row.movie_id}) SET m.title = row.title, m.rating = toFloat(row.rating), m.release_date = row.release_date; LOAD CSV WITH HEADERS FROM "file:///person.csv" AS row MERGE (p:Person {person_id: row.person_id}) SET p.name = row.person_name;用 MERGE 而不是 CREATE，是因为这条导入脚本你可能要跑好几次；MERGE 保证按主键幂等执行，重复跑不会生成重复电影。rating 字段这里用 toFloat 转一次，否则 Cypher 里排序时会把评分按字符串排序，“9.0”会排在“10.0”前面，这类隐蔽问题在问答排名场景里特别容易踩。
关系和节点不一样：person_to_movie.csv 里的 role 字段决定了是“出演”还是“导演”，用纯 Cypher 写条件比较绕，我一般选择用 Python 的 neo4j driver 逐条建立关系。数据量只有几百上千条，这种写法的性能完全够，而且逻辑清楚：
from neo4j import GraphDatabase driver = GraphDatabase.driver("bolt://localhost:7687", auth=("neo4j", "your_password")) def create_relations(person_to_movie_df): with driver.session() as session: for row in person_to_movie_df.itertuples(): if "导演" in str(row.role): rel_type = "DIRECTED" else: rel_type = "ACTED_IN" session.run( f""" MATCH (p:Person {{person_id: $pid}}) MATCH (m:Movie {{movie_id: $mid}}) MERGE (p)-[:{rel_type}]->(m) """, pid=row.person_id, mid=row.movie_id, )这里 f-string 只拼接关系类型，关系类型是程序里算出来的，不是用户输入，没有注入风险；而节点 ID 必须走参数，避免拼接字符串碰到特殊字符。如果用 py2neo，把 session.run 换成 graph.run，逻辑一致。批量的另一种做法是先写出 relationship CSV 再用 LOAD CSV，但需要保证 role 到关系类型的映射在文件里就已经处理好，适合数据量更大时用。
3.4 导入后自检：孤立节点和重复关系怎么查
导入完成不要急着写问答，先做三分钟自检。先在 Neo4j Browser 里执行三个统计查询，看看节点数和关系数是否符合预期：
MATCH (m:Movie) RETURN count(m) AS movies; MATCH (p:Person) RETURN count(p) AS persons; MATCH (p:Person)-[r]->(m:Movie) RETURN type(r), count(*) AS cnt ORDER BY cnt DESC;第三个查询如果出现多个关系类型，说明 role 字段没洗干净。还有一种常见情况：movie_id 在 CSV 里有前导空格，或者 person_id 是数字格式，导致关系表里的 ID 匹配不上电影节点，结果就是一堆孤立电影。查孤立节点的语句要记住：
MATCH (m:Movie) WHERE NOT exists((m)<--()) RETURN m.title LIMIT 20;有孤立节点不一定会报错，但“查某导演的电影”时结果会莫名少几部。所以我的习惯是导入后先把这个查询跑一遍，看到返回空列表才继续做问答层。
4. 让自然语言落到图谱：问句分类与 Cypher 查询组装
4.1 意图分类：规则模板为何是毕业设计的稳妥选择
问答层最核心的模块是“把自然语言变成 Cypher”。现在大模型很火，但毕设项目我一般不推荐直接上大模型做语义解析，原因有四个：需要 GPU、响应慢、结果不可控、评委追问一句“底层怎么实现的”很难讲清楚。规则模板虽然“笨”，但每个分支都是你能解释的逻辑，也足够覆盖电影问答的常见问法。
先做意图分类。常见意图有四类：查某人的作品、查某部电影的导演、查某部电影的类型、查评分排名。用关键词加优先级就能处理：
def parse_intent(question: str) -> str: q = question.strip() # 注意顺序：'谁导' 先命中导演意图，因为它比 '导演' 更具体 if any(w in q for w in ["谁导", "导演"]): return "director_of" if any(w in q for w in ["主演", "演过", "出演", "参演"]): return "acted_in" if any(w in q for w in ["类型", "什么类型", "属于什么"]): return "genre_of" if any(w in q for w in ["评分最高", "评分从高到低", "排名"]): return "top_rated" return "unknown"这个函数的边界条件是关键词顺序。比如“谁导演的”同时包含“导演”和“谁导”，必须先匹配更具体的“谁导”；“评分最高的科幻片”同时有“评分最高”和“类型”两个信号，如果意图判断先命中 genre_of，就会丢掉排名逻辑。所以我的方法是先抽实体，再判断有没有排序词，最后再分主意图。
4.2 电影名/人名抽取：基于实体词典的最大匹配
问句里实体名是最不确定的部分。用户可能说“周星驰演的电影”，也可能直接说“星爷的电影”，而库里存的是全名。通用分词工具如 jieba，会把“大话西游之大圣娶亲”切成“大话西游 / 之 / 大圣娶亲”，只匹配“大话西游”会查出两条不同电影。所以更稳的做法是先把自己库里所有电影名、人名做成词典，按长度倒序做包含匹配。
def load_entities(graph): entities = { "movie": [r["title"] for r in graph.run("MATCH (m:Movie) RETURN m.title AS title")], "person": [r["name"] for r in graph.run("MATCH (p:Person) RETURN p.name AS name")], } return entities def extract_entity(question: str, entities): q = question.replace(" ", "").replace("\u3000", "") for name in sorted(entities["movie"], key=len, reverse=True): if name in q: return "movie", name for name in sorted(entities["person"], key=len, reverse=True): if name in q: return "person", name return None, None排序按长度倒序是这里的关键。如果不排序而按字典顺序，“功夫”会先于“功夫熊猫”被命中，用户明明问的是《功夫熊猫》，最后查出来的却是《功夫》。“先长后短”就是最大匹配的核心思路。还有一个处理是去掉全角空格和普通空格，因为用户在浏览器里输入的文本经常混入不可见字符，如果不处理，contains 匹配会失败。
抽实体放在意图分类之前还是之后，取决于问法。我实践下来的顺序是：先抽实体，再判断意图。因为“评分最高”这类词不依赖实体，而“周星驰演过哪些喜剧”需要先知道实体是人名，才能把“评分最高”和“出演”组合起来。顺序换一下，代码会多出很多 if 分支。
4.3 把意图映射成 Cypher 并拼接答案
实体和意图都出来后，剩下就是模板映射。每个意图对应一段 Cypher 模板，用参数化查询把实体名传进去，避免拼接字符串带来的引号问题。下面是一个简化版：
def build_cypher(intent: str, entity_type: str, entity_name: str): if intent == "acted_in" and entity_type == "person": return """ MATCH (p:Person {name: $name})-[:ACTED_IN]->(m:Movie) RETURN m.title AS title, m.rating AS rating ORDER BY m.rating DESC """ if intent == "director_of" and entity_type == "movie": return """ MATCH (m:Movie {title: $name})<-[:DIRECTED]-(p:Person) RETURN p.name AS name """ if intent == "genre_of" and entity_type == "movie": return """ MATCH (m:Movie {title: $name})-[:BELONGS_TO]->(g:Genre) RETURN g.name AS genre """ return None然后用统一入口执行：
def run_qa(question: str): intent = parse_intent(question) entity_type, entity_name = extract_entity(question, entities) if not entity_name: return ["我还没学会回答这个问题，试着换个说法"] cypher = build_cypher(intent, entity_type, entity_name) if cypher is None: return ["这个问题缺少可执行的查询模板"] result = graph.run(cypher, name=entity_name).data() return format_answer(result, intent)format_answer 按意图拼答案，比如 acted_in 就把每个 title 用顿号连接，查不到时返回“库中没有找到相关作品”。这一步看起来简单，但很重要：很多源码在查不到结果时直接返回空页面，用户体验很不好，也容易被评委挑出边界场景。加上一个空结果兜底，答辩时就能多说一句“我处理了查无此人、查无此片的情况”。
5. 避坑与排查：从环境初始化到中文匹配的高频故障
5.1 环境初始化：Python 版本、依赖版本与 Neo4j 认证
这份源码的依赖集中在 py2neo 或 neo4j-driver、Flask、pandas 这几项。很多跑不通的问题都不是业务逻辑问题，而是版本组合不对。我本地使用过的组合是 Python 3.8 + Neo4j 4.4 + py2neo 2021.2.3，先把流程跑通，再考虑迁移到更高版本。如果你用的是 Python 3.10 以上和 py2neo，连接时容易出现加密协议相关报错，这时候换成官方 neo4j-driver 会更省心。neo4j-driver 的写法是 GraphDatabase.driver，而 py2neo 是 Graph("bolt://localhost:7687", auth=...)，区别只在驱动层，业务代码基本不用动。
认证问题几乎每届毕设都会遇到：Neo4j 初次启动默认账号密码是 neo4j/neo4j，首次登录会强制让你改新密码。如果导入脚本里写死旧密码，要么连接报认证失败，要么第一次能连、重启后就连不上。我的习惯是把连接参数统一放到一个 config.py 里，密码、URI、数据库名都从环境变量读取，避免答辩换机器时手忙脚乱。
5.2 运行期高频故障：乱码、中文匹配、LOAD CSV 权限、同名实体
下面这五条，是我拆这类型项目时遇到频率最高的坑，每条都按现象、原因、解决来写：
坑 1：pandas 读出来的第一列列名带着“\ufeff”。现象：print(movie.columns) 第一个列名是 “\ufeffmovie_id”，按 movie_id 取列时报 KeyError。原因：CSV 被 Windows 下 Excel 保存过，带 UTF-8 BOM。解决：读取时加 encoding="utf-8-sig"，一次性吞掉 BOM，不要在清洗脚本里 str.replace 反复操作。
坑 2：LOAD CSV 一直提示找不到文件。现象：执行 LOAD CSV WITH HEADERS FROM "file:///movie.csv" 报 Couldn't load the external resource。原因：Neo4j 默认只允许从安装目录下的 import 目录读取 file:/// 开头的文件，你把 CSV 放在了 D 盘任意目录。解决：把三个 CSV 复制到 $NEO4J_HOME/import 目录，重启 Neo4j 再执行；如果实在不想挪文件，也可以改 dbms.security.allow_csv_import_from_file_urls=true，但生产环境不建议这么放开。
坑 3：问“功夫”查不到，库里明明有《功夫》。现象：问答返回空列表，用 Cypher 手动查又能查到。原因：用户输入“功夫”没带年份，库里存的是“功夫(2004)”，或者电影名里混了全角空格。解决：导入时给电影加一个 alias 属性，把“功夫(2004)”的标题剥离年份后存成别名；抽取实体时优先查 title，再查 alias。这个内容我会在 6.2 里给出具体做法。
坑 4：评分排序结果不对。现象：查“评分最高的电影”返回的是“9.0、8.7、10.0”，10.0 排到了最后。原因：rating 字段以字符串形式进入 Neo4j，字符串排序按字符逐位比较。解决：LOAD CSV 时用 toFloat(row.rating) 转类型；如果已经在库里了，用 SET m.rating = toFloat(m.rating) 批量修正。
坑 5：同名演员把问答结果搞混。现象：问“张国立演过哪些电影”，返回里混进了另一位演员的作品。原因：person 节点只按名字唯一约束，没有区分出生日期或人物 ID。解决：确认 person_id 在源数据里是否全局唯一；如果唯一，把关系建立全部改为按 person_id 匹配，不要按 name 匹配。若源数据只有名字，就需要额外维护一个别名表做消歧。页面问答时可以额外列出“同名人物”给用户选择，这也是一个很实用的小功能。
6. 把它改造成“你的”毕设：答案校验与两个低成本技巧
6.1 搭一个最小的答案校验脚本
问答系统的通病是你只记得测试过成功的问法，忘记验证失败的问法。我拿到这类源码后会先写一个十几行的冒烟测试集，把每个意图的中文问法、预期答案都放进去，跑一遍统计准确率。
test_set = [ ("周星驰主演过哪些电影", ["功夫", "大话西游"]), ("《功夫》的导演是谁", ["周星驰"]), ("《大话西游》是什么类型", ["喜剧"]), ("评分最高的科幻片", ["星际穿越"]), ("张国立的作品", []), # 预期失败，看兜底逻辑 ] correct = 0 for question, expected in test_set: answer = run_qa(question) hit = len(set(answer) & set(expected)) > 0 correct += int(hit) print(f"{question}: {answer} -> 期望 {expected} -> {'OK' if hit else 'MISS'}") print(f"准确率: {correct / len(test_set):.2%}")这里用集合交集判断命中，而不是完全相等，是因为答案顺序、标点不影响语义，能容忍“大话西游”和“大话西游之月光宝盒”这类差异。每次修改问答模板或清洗逻辑后，跑一遍这个脚本，能很快发现哪一类问法被改坏了。这个方法也是答辩时可以说出口的“验证策略”。
6.2 两个低成本改造：jieba 候选词和前端实体提示
第一个改造是给实体抽取加一层模糊兜底。用户输入“星爷”或“周星星”这类别称，词典匹配会落空。常见做法是引入 jieba 切词后做候选召回，但一定要把库里的电影名优先注册进词典：
import jieba for name in entities["movie"] + entities["person"]: jieba.suggest_freq(name, True)suggest_freq 的作用是提高整词成词概率，避免“大话西游之大圣娶亲”被拆碎。配合全量实体名做包含匹配，比纯正则更抗造。这不会让你的准确率一夜暴涨，但能把问句里“别名”“简称”的体验拉上去。
第二个改造是前端输入候选列表。前端模板里给搜索框加一个数据源，后端暴露一个 /api/entity/search 接口，根据用户已输入的两个字，返回前十个相似的电影名或人名。用户基本不会打错全名，问答命中率自然就上去了。这个接口实现起来只有十几行，但答辩演示时比纯空框好看得多。改造完以后，我每次拿到新的 CSV 数据都会强制走一遍同样的流程：清洗、建约束、导入、跑测试集。那次就是因为我偷懒跳过数据核对，直接把新电影导进 Neo4j，结果上映年份列错位，评分排名整整乱了一晚上。从那以后，数据进库前的自检脚本就成了固定动作，希望帮到你。
本文还有配套的精品资源，点击获取
