清华美院 · 艺术史论系 · 艺术管理方向
以清华美院为平台，用AI手段为中国当代艺术市场构建一个结构化的知识图谱——把散落在拍卖行、画廊、博览会、新闻里的信息连起来，形成一个可查询、可分析、持续更新的知识底座。
做知识图谱不只是本体设计。作为一个要能运转的基础设施，至少包含六个同等重要的板块：
本体是起点但不是全部。六个板块互相依赖，缺哪个基础设施都立不住。
定义艺术市场里有哪些实体、它们之间有什么关系。这是知识图谱的地基，也是学术上最有持久价值的部分——目前文献中没有针对中国艺术市场的形式化本体。
25种实体：
艺术家 画廊 拍卖行 藏家 策展人 美术馆 基金会 展览 拍卖场次 博览会 作品 系列 版数 拍卖成交记录 一级市场交易 媒介 艺术运动 地域 价格水平 学术机构 驻留项目 奖项 媒体报道 流派归属断言 媒体机构
15+种关系：独家代理 · 区域代理 · 项目合作 · 寄售 · 参展 · 举办 · 共展 · 参加博览会 · 策划 · 收藏 · 转型 · 教育背景 · 师承 · 驻留 · 获奖 · 版数 · 媒体报道 · 流派归属
设计亮点：
完整本体细节见 学术版文档
CIDOC-CRM（ISO 21127）是文化遗产领域的标准本体，关注"文物从哪来、经历了什么"。我们关注的是"谁在推谁、谁在买谁、市场怎么运转"——侧重不同，但在Artwork、Artist、Provenance等概念上有交集。
保持与CIDOC-CRM的可映射性，未来可与博物馆/文化遗产数据库对接，但不以对标CIDOC-CRM为目标。
本体是空架子，数据才是血肉。这是最重的体力活，也是基础设施能不能立住的关键——不是跑一次就完，要能持续更新。
自动持续抓取：
人工维护与输入：
官方数据库接入（远期）：
非结构化文本 → 结构化知识的核心流程：
GPT-4/Claude API spaCy中文NER
全本体设计，但V1从画廊—艺术家—博览会—拍卖主线灌入：
从最有数据、最能出效果的地方开始，逐步扩展。
数据质量决定了整个图谱的可用性。做不好这一块，其他都打折扣。
每条数据标注来源、可信度、采集时间、有效期：
时效性衰减：拍卖成交价衰减慢（历史记录长期有效），一级市场系数衰减中（1-2年更新），社媒传闻衰减快（数周后可信度下降）。
把本体和数据变成可运行的系统。选型原则：够用、可控、长期可维护，未来有协作者加入时对非CS背景的人友好。
| 组件 | 选型 | 理由 |
|---|---|---|
| 图数据库 | Neo4j | 成熟、可视化好、社区活跃 |
| 信息抽取 | GPT-4 / Claude API | 非结构化文本→三元组 |
| 数据采集 | Python爬虫 + 定时任务 | 持续更新 |
| KG Embedding | PyKEEN / Ampligraph | TransE/ComplEx |
| GNN | PyTorch Geometric | GAT/R-GCN |
| 视觉嵌入 | CLIP / ViT | 作品图像→向量 |
| RAG查询 | 子图检索 + LLM | 自然语言查询 |
| 前端 | Web应用（待定） | 图谱可视化 + 查询界面 |
图谱建好之后能做什么——这是价值输出层。从"存了数据"到"能发现东西"。
拍卖市场表现会传导到博览会一级市场——通过KG中的时间序列关联建模：
案例：苏富比2026伦敦春拍白手套（$1.75亿）→ ABHK 2026（3周后），可回溯验证传导假设
PyG GAT/R-GCN CLIP PyKEEN
让人能用起来。使用门槛决定了基础设施是否真的能被采纳——研究者不会写Cypher查询，画廊主不会看原始图数据。
查询示例：
RAG LangChain/LlamaIndex Web可视化
六个板块不是线性推进，而是有优先级和并行关系：
| 阶段 | 重点板块 | 说明 |
|---|---|---|
| 当前 | ① 本体 + ② 数据采集 | 本体v0.2已有，重心转向数据灌入 |
| 同步 | ③ 数据治理 + ④ 工程 | 数据入库的同时建立质量体系和Neo4j |
| 紧随 | ⑥ 查询（RAG） | 和数据入库同步推进——能查才能验证数据质量 |
| 数据积累后 | ⑤ 智能分析 | 需要足够数据量支撑GNN训练和网络分析 |
里程碑：做到有真实数据、可查询、可演示的程度，对外发布"我们在做这件事"。
博士论文：上述各方向的集成。
最后更新：2026-03-06 · 清华美院 · 艺术史论系
📖 学术版文档（本体/文献/技术细节）