资治通鉴-文白对照数据-人工智能辅助理解-交互式史书

🚀 强烈推荐先点这里在线体验：https://zztj.wawuyu.cn

建议从「关系网络」「地图」开始探索，交互体验最佳。

更新记录

2026.1.17
- 前端可视化（visualization）
  - URL 全局状态同步与历史语义（更稳定的跳转/回退体验）
  - 范围驱动视图（按卷/年份范围过滤事件、地点等），详情交互增强
  - 新增“地图”Tab（Leaflet + OpenStreetMap），地点可一键在地图中查看并高亮定位；地点列表支持搜索
  - 时间轴重构为“时间点列表 + 右侧事件列表”，更适配事件密集年份
  - 关系网络详情增强：人物详情/关系详情中展示“相关事件”，点击可直接打开事件卡片
  - 顶部增加 GitHub 入口与 Star 数展示（更方便关注/收藏）
  - 构建验证步骤补充（任务完成后可复现验证）
- 数据与流水线
  - 统一知识库与类型定义完善（canonical artifact / unified KB types）
  - 地点地理编码：高德(Amap)缓存与回填坐标流程
- 工程化与文档
  - 多处结构/可读性重构与健壮 JSON 解析复用
  - 任务地图与 UX 规范补充与更新；README 增加地图 Demo 截图

效果预览（阶段性成果）

主界面（时间轴）	核心能力：人物关系网

时间轴：事件密集时自动聚类；支持缩放/平移/搜索
人物关系网：点击人物/关系查看详情与交互事件（体现结构化的核心成果）
地点：地点列表与详情，串起相关人物与事件

文白对照阅读

阅读书籍点击

简介

项目地址：zizhitongjian

这个仓库是有关资治通鉴-文白对照的可供人类和机器阅读阅读并进行相关数据研究的项目。

本项目中的文本格式按照原书的卷进行整理，chapters目录下按照[0-9]+_资治通鉴卷名.md进行分别存储：

chapters
├── 001_资治通鉴第一卷(周纪).md
├── 002_资治通鉴第二卷(周纪).md
├── 003_资治通鉴第三卷(周纪).md
...

每一卷的内容格式如下（*表示在部分卷中可能不存在的内容）：

[卷名]*

[时间原文]
[时间译文]

[空白][空白][原文]
[空白][空白][译文]

[空白][空白][原文]
[空白][空白][译文]

[时间原文]
[时间译文]

[空白][空白][原文]
[空白][空白][译文]

结构化数据

结构化数据已由model.py生成，其中的数据结构及生成过程可见于model.py。结构化数据保存于data.json（结构化数据文件）。数据读取和使用样例请见data_usage_demo_visualization.ipynb（结构化数据使用样例）。

资治通鉴数据应用样例：交互式历史可视化系统

本项目新增了基于 React + D3.js 的现代化交互式可视化系统，位于 visualization 目录下。该系统提供了更加流畅、直观的历史数据探索体验，帮助读者从时间、空间、人物关系等多个维度深入理解《资治通鉴》。

主要功能展示

1. 交互式历史事件时间轴 (Interactive Timeline)

全新的时间轴组件支持智能聚类、缩放平移、全局概览及实时搜索。

主界面与时间轴概览：
时间轴细节交互：

2. 复杂人物关系网络 (Relation Network)

通过力导向图展示人物之间的复杂关系，支持点击节点查看人物详情，点击连线查看具体交互事件。

关系网络全景：
人物详情查看：
关系细节查看：

3. 历史地理与地点 (Historical Locations)

展示历史地名及其相关事件，支持查看地点详情。

地点列表：
地点详情：
地图模式（OpenStreetMap）：

本地启动方法

如果您想在本地运行该系统：

cd visualization
npm install
npm run dev

技术实现简述

为了支撑上述可视化系统，本项目构建了一套完整的知识提取与融合流程：

AI 知识提取 (Knowledge Extraction)
- 利用大语言模型对《资治通鉴》原文进行深度语义分析。
- 自动提取人物 (Roles)、地点 (Locations)、事件 (Events) 及人物关系 (Relations)。
实体消歧与融合 (Entity Resolution)
- 智能合并：通过 Union-Find 算法，将同一人物的不同称呼（如“赵籍”、“赵侯”）自动合并为统一实体。
- 防误触机制：内置黑名单机制，防止“王”、“臣”、“公子”等通用称谓导致错误合并。
- 人地分离：特殊处理逻辑区分人名与国名（如区分“赵籍”与“赵国”），确保关系网络准确性。
统一知识库 (Unified Knowledge Base)
- 将分散在各卷的碎片化信息重组为时空连贯的结构化数据，支持跨卷检索与分析。
地点地理编码 (Geocoding)
- 使用高德(Amap)为 data/unified_knowledge.json 的地点补全 WGS84 坐标（coordinates: [lng, lat]）。
- 配置：复制 .env.example 为 .env，填入 AMAP_KEY。
- 运行：python scripts/geocode_locations_amap.py 生成缓存，然后 python scripts/merge_geocoding_into_unified_kb.py 回填坐标。
- 速率控制：默认每次请求间隔 0.25s（可用 --sleep 调整），避免触发限流。
- 无密钥也可预跑：不设置 AMAP_KEY 时会自动进入 --simulate（只写入 query/needs_review，不调用 API）。

项目进展

项目在持续更新，目前任务列表完成情况如下：

文本内容获取
格式化卷名，便于排序及查询
时间数据的译文格式保持和原文格式统一
去除不符合文白对照格式的空行、空格，使用统一的换行格式
文本内容程序化校对，定位残缺和错误内容
文本数据结构化，便于利用数据分析工具和可视化工具进行处理
结构化数据使用样例
AI辅助理解及可视化样例
AI辅助获取全书知识图谱（人物、事件及其关系，以及在格式化数据中的精确定位）
对话交互式资治通鉴
...

数据预处理的部分源码及说明在本项目的*.ipynb中存档及更新。

如果有任何感兴趣的、想要这个项目做的，请随时、尽情建议！

参与贡献

请随时、尽情在issue中提供任何意见建议，不限于文本内容、文本格式、数据结构、数据分析、数据可视化等任何主题；
文本中有[todo]的地方为分析过程中发现的内容残缺的部分，可以参与校对和修复:D

资治通鉴-文白对照