WuMKG：中国书画多模态知识图谱
WuMKG: a Chinese painting and calligraphy multimodal knowledge graph
Jing Wan, Hao Zhang, Jun Zou, Ao Zou, Yu‐Bin Chen, Qingyang Zeng, Xinrong Li, Qiya Wang
Heritage Science · 2024-05-20
开放获取美术与书法被引 26学科公认顶刊影响因子 ≈12.0
摘要
中国书画具有重要的文化价值，既是中国文化的重要组成部分，也是全球艺术领域的关键内容。大量中国书画作品分散于世界各地。随着数字人文的发展，如今已有海量文物数据可在线上获取。然而，这些文物的在线数据库仍呈现分散且多样的特点，给其有效组织与利用带来了显著挑战。针对这一问题，本文以吴门画派为研究对象，提出了一种面向中国书画领域的多模态知识图谱构建框架。我们通过分析中国书画的知识架构来构建领域本体，随后从文本及视觉信息等多种数据源中获取相关知识。为了更全面地收集与中国书画相关的历史背景及题材信息，我们专门针对中国书画提出了印章提取与题材提取方法，并在构建的数据集上验证了这些方法的有效性。最终，我们构建了吴门多模态知识图谱（WuMKG），同时实现了跨模态检索、基于知识的问答以及可视化等应用。
本摘要由 AI（Hy-MT2-Pro）翻译生成，仅供参考，请以原文为准。
AI 综述
基于摘要生成- 主要观点
- 该研究针对中国书画数字资源分散且异构导致难以有效利用的现状，提出了一个面向吴门画派的多模态知识图谱构建框架。文章主张通过整合文本与视觉等多源信息，并利用领域本体对知识进行系统化组织，从而解决数字化艺术遗产的管理难题。核心观点在于通过结构化的知识图谱形式，挖掘和关联分散的书画数据及其背后的历史语境。
- 研究方法
- 研究采用本体驱动的方法，首先通过分析中国书画的知识模式来构建领域本体。在知识获取环节，除了常规的多源数据收集外，还专门设计了针对该领域的印章提取和题材提取算法，以强化对历史背景和作品主体的数据采集。最后，研究在构建的数据集上验证了上述方法的有效性，并基于此实现了包括跨模态检索、知识问答及可视化在内的应用系统。
- 学术贡献
- 本研究成功构建了吴门画派多模态知识图谱（WuMKG），为解决艺术类数字资源的碎片化问题提供了具体的实践方案。其提出的印章提取与题材提取专用方法，填补了通用技术在处理中国书画特有元素时的不足，显著提升了对作品细节和历史信息的获取能力。此外，该工作将知识图谱技术应用于传统艺术领域，推动了数字人文在艺术学研究中的实际落地与应用拓展。
- 存在局限
- 材料中未明确提及
- 进一步研究方向
- 材料中未明确提及
本综述由 AI（GLM-5V-Turbo）基于摘要自动生成，仅供参考，不代表原文作者观点，请以原文为准。
参考文献
相关论文
话题：Semantic Web and Ontologies