山东大学软件学院创新实训——易学探索助手

易学探索助手

项目简介

易学探索助手是山东大学创新实训项目，旨在通过整合易学知识体系与智能化工具，为用户提供系统化、个性化的学习体验，推动传统文化的现代化传播。项目基于Ruoyi框架开发，结合OCR、NLP、RAG及DeepSeek API等技术，实现三大核心功能模块：知识图谱与象数图画、古籍辅助学习、AI助手。

---

功能特性

1. 知识图谱与象数图画

• 结构化知识图谱
  基于NLP技术自动提取易学实体（卦象、爻辞、术语），构建多层级关联图谱，支持交互式探索。
• 动态卦变可视化
  集成Flash动画引擎，展示卦象变化过程，结合DeepSeek生成动态解读文本，直观呈现象数逻辑。

2. 古籍辅助学习

• 古籍数字化处理
  支持古籍扫描件上传，通过OCR技术（分辨率>600dpi，准确率>95%）实现文本识别与排版校正。
• 多版本AI注释
  提供学术版、大众版、白话版翻译与注释，适配不同用户需求。
• 实体提取与图谱生成
  自动提取古籍中的人物、术语、卦象等实体，构建可视化知识图谱。

3. AI助手

• 双引擎问答系统
  集成DeepSeek API与自研易学大模型，用户可自由选择模型进行问答，支持回答评分优化推荐策略。
• 个性化卦象推演
  根据用户输入的时间、地点、事件，自动计算卦象并提供多维度解读（学术/大众双版本）。

---

技术栈

模块	技术实现
后端框架	Ruoyi（Spring Boot + MyBatis）
知识图谱	Neo4j + NLP实体提取 + RAG反馈优化
古籍处理	Tesseract OCR + 自研排版校正算法 + DeepSeek翻译模型
动态可视化	Flash动画引擎 + DeepSeek生成描述文本
AI助手	DeepSeek API + 自研大模型 + 用户评分反馈机制
前端	Vue.js + Element-UI + ECharts（知识图谱可视化）

---

技术路线

1.整体架构与实施基础

项目围绕“易学知识工程智能化”目标构建三层技术体系，依托DeepSeek大模型与古籍数据库形成双驱动核心。基础层集成四大技术组件：易学古籍数据库提供经史子集数字化资源，DeepSeek支撑语义理解与文本生成，Flash引擎实现动态卦变动画，OCR/NLP技术栈完成古籍扫描识别与结构化处理。核心层通过知识图谱系统、古籍学习系统和AI助手构成创新三角，其中动态知识图谱支持多维度卦象关联展示与用户交互编辑，古籍系统实现从扫描识别到多版本AI注释的全流程处理，双引擎AI助手则整合问答服务与时空推演功能。实施路径设置数据准备（古籍电子化/案例标注）、技术实现（图谱引擎/RAG系统开发）、系统集成（反馈驱动优化）三阶段渐进路线，确保项目落地可行性。

2.模块联动与进化机制

系统通过三大技术流实现模块协同：动态可视化引擎将DeepSeek的卦象解析与Flash动画结合，用户点击卦象即可触发爻变动画并同步生成学术/大众双版解读，交互修正数据通过RAG技术实时反馈模型优化；古籍处理流水线贯通OCR扫描、AI断句、多风格翻译（学术/大众/白话）到实体抽取，最终生成可交互知识网络；AI助手构建双模型问答优化闭环，用户评分数据动态调整推荐策略，时空推演模块结合输入信息调用知识图谱进行卦象计算，实现个性化占卜服务。系统设置双重进化机制——显性层面通过用户编辑直接扩展知识图谱节点，隐性层面利用交互数据持续微调大模型参数，形成人机协同的知识生产体系。

3.创新特性与验证标准

项目创新体现三维融合特征：技术维度实现NLP、知识图谱与动态可视化的深度嵌套，古今维度打通传统易学体系与深度学习模型的认知通道，人机维度建立用户反馈驱动的自进化系统。实施过程设置可量化验证标准：数据阶段要求古籍扫描分辨率>600dpi、OCR准确率>95%；技术验证指标包括卦变动画生成延迟<200ms、多版本注释一致性>90%；部署采用微服务架构确保各模块独立扩展，最终形成具备持续进化能力的易学智能平台。该路线通过明确的技术选型（DeepSeek+Flash+RAG）与闭环数据流设计，既保障传统文化研究的严谨性，又体现人工智能技术的突破性应用。

---

环境要求

• JDK 1.8+
• MySQL 5.7+
• Node.js 14+
• Python 3.8+（需安装pytesseract、transformers等依赖）

---

项目创新

三维融合
技术维度：NLP + 知识图谱 + 动态可视化深度嵌套；
古今维度：传统易学体系与深度学习模型结合；
人机维度：用户反馈驱动的自进化系统。

动态知识图谱

支持用户交互式编辑与RAG反馈优化，持续增强知识推荐准确性。