诺贝尔奖跨学科知识图谱

通过知识图谱揭示百年科学中的跨学科启发脉络

概述

本项目以诺贝尔奖得主及其核心论文为锚点，构建一个跨学科技术概念知识图谱（Knowledge Graph），将过去 100 年自然科学的关键发展脉络可视化，重点揭示不同领域之间的交叉启发与技术迁移路径。

核心产出

一个可查询、可可视化的知识图谱，其中：

• 节点 = 关键技术概念（如 SGD、Transformer、X射线晶体学、PCR……）
• 边 = 概念之间的演化关系（衍生、应用迁移、融合）
• 每个概念节点关联对应的诺奖得主、代表性论文、所属学科领域和时间坐标

核心特性

特性	说明
多源数据整合	整合 757 位得主、245K+ 篇论文、900万+ 引用记录
LLM 驱动的概念抽取	使用 GPT-4o 从论文中提取结构化技术概念
跨学科检测	自动识别科学领域间的概念迁移
交互式可视化	时间轴、网络图、热力图三种可视化方式
洞见报告	自动生成枢纽概念和领域交互分析报告

快速开始

# 安装依赖
uv add polars pandas pyarrow networkx pyvis plotly requests openai pyyaml python-dotenv tqdm scikit-learn

# 运行完整流水线
uv run python main.py

# 或运行特定阶段
uv run python main.py --phase 1      # 仅数据加载
uv run python main.py --skip-llm     # 跳过 LLM 抽取

详细设置说明请参阅快速开始。

架构一览

flowchart LR
    A[原始数据<br>CSV/JSON] --> B[阶段 1<br>数据加载]
    B --> C[阶段 1.5<br>内容富化]
    C --> D[阶段 2<br>概念抽取]
    D --> E[阶段 3+4<br>图谱构建]
    E --> F[阶段 5<br>可视化]
    E --> G[阶段 6<br>洞见分析]

    style A fill:#f9f,stroke:#333
    style E fill:#bbf,stroke:#333
    style F fill:#bfb,stroke:#333
    style G fill:#bfb,stroke:#333

项目结构

nobel/
├── main.py                 # 流水线入口
├── config/
│   └── settings.yaml       # 项目配置
├── src/
│   ├── data_loader.py      # 阶段 1：数据加载与清洗
│   ├── content_enricher.py # 阶段 1.5：内容富化
│   ├── openalex_enricher.py# 阶段 2a：OpenAlex 概念富化
│   ├── concept_extractor.py# 阶段 2b：LLM 概念抽取
│   ├── graph_builder.py    # 阶段 3+4：知识图谱构建
│   ├── visualize.py        # 阶段 5：交互式可视化
│   └── insight_analyzer.py # 阶段 6：洞见分析与报告
├── data/                   # 源数据（CSV + JSON）
├── output/                 # 生成的输出
│   ├── clean_data/         # 清洗后的 Parquet 文件
│   ├── concepts/           # 抽取的概念
│   ├── graph/              # 知识图谱（JSON/GraphML）
│   ├── viz/                # HTML 可视化文件
│   └── reports/            # 分析报告
└── docs/                   # 本文档

文档导航

章节	说明
快速开始	安装、前置条件和首次运行
系统架构	系统设计和数据流
配置指南	详细配置参考
数据流水线	逐步流水线文档
API 参考	模块级函数文档
数据	数据来源和知识图谱 Schema
贡献指南	如何参与项目贡献

许可证

本项目仅用于研究和教育目的。