基于大模型的古汉语文本资讯抽取系统设计与实现

基于大模型的古汉语文本资讯抽取系统设计与实现

1. 系统概述

1.1. 项目背景与意义

古汉语文献，如经史子集、地方志、墓志铭、医案等，是中华文明的核心载体。这些文献数量浩如烟海，但其信息多以非结构化的自然语言形式存在，给学术研究、文化传承和知识发现带来了巨大挑战。传统的人工标注和整理方式效率低下，且严重依赖专家的个人学识。

近年来，大语言模型（LLM）在自然语言处理（NLP）领域取得了突破性进展，其在上下文理解、泛化能力和少样本学习方面的优势，为古汉语信息处理提供了新的范式。本系统旨在利用大模型的能力，构建一个自动化、智能化的古汉语资讯抽取（Information Extraction, IE）平台。用户可以通过定义自定义本体（Ontology），从上传的古文文本中精准地抽取出结构化的知识，如人物、地点、官职、事件等，并最终形成知识图谱、表格等多种形式的输出，极大地提升古籍数字化与知识化的效率。

1.2. 系统核心目标

1. 多功能抽取：支持基于用户自定义本体的命名实体识别（NER）和事件抽取（EE）。
2. 大模型驱动：以大型语言模型（如 GPT、ChatGLM、ERNIE、古文专用模型等）为核心推理引擎，实现高准确率和泛化能力。
3. 用户友好：提供图形化界面（Web）用于上传文本、管理本体、查看和导出结果。
4. 结构化输出：生成标