如何建设高质量档案数据集——以南京云锦研究所非遗档案为例

云锦作为人类非物质文化遗产，其档案资料分散于南京云锦研究所、博物馆、档案馆等多个机构，涵盖技艺传承、历史文献、图像资料、研究论文等多种类型。传统档案管理方式难以实现跨机构、跨类型的知识关联，更无法支撑深度的数据挖掘与专题研究。

数据挖掘数据展示页

通过闻道知识智能管理平台的数据挖掘模块，我们对云锦相关档案进行了系统性处理，取得了以下成果：

1. 档案数据规模

事件描述：95,529条

实体概念：109,709个

时间跨度：1911年—2013年（百年档案时序）

2. 主题聚类分析

系统对云锦档案进行主题挖掘，识别出核心主题分布：

纺织工艺：6,816条（核心技艺）

文化传承：4,323条（非遗保护）

艺术设计：2,355条（纹样创新）

文物保护：2,104条（修复记录）

其他：色彩设计、学术出版、历史研究等

3. 人物关联图谱

通过实体识别技术，自动提取档案中的人物信息，构建人物关系网络：

与人物相关事件：11,210条（占比11.7%）

核心人物识别：云锦（相关事件3,415件）、宋锦（236件）、曹雪芹（163件）等人物与事件关联可视化呈现

4. 时空分布热力图

地域分布：江苏省6,448条（核心区域）、北京市317条、浙江省171条

时序轨迹：1911—2013年间云锦相关事件的时间分布，清晰呈现历史发展脉络

5. 机构关联网络

自动识别档案中的机构实体，构建合作网络：

南京云锦研究所（核心机构）

故宫博物院、东南大学、南京艺术学院

江苏人民出版社、苏州大学出版社

江宁织造局（历史机构）

6. 情感倾向分析

对档案内容进行情感计算：

正向：1,849件（61.5%）

中性：670件（22.3%）

负向：486件（16.2%）

中华文化数据库-南京云锦（左滑浏览）

数据挖掘模块：支持实体抽取、关系识别、主题聚类

知识图谱构建：可视化展示人物、机构、事件关联

时空分析：热力地图、时序轨迹展示

情感分析：档案内容情感倾向自动判定

专题数据库：支持非遗、产业、政策等专题化建设