本文是一篇建筑学论文，本研究提出建筑遗产数据体系是由建筑遗产HBIM模型库为核心及建筑遗产知识数据库、建筑遗产知识图谱三部分共同集合而成。明晰了各个部分的目标与原则及其技术路线、具体操作流程，为国内传统建筑遗产数字化保护利用提供新的研究思路及案例参考。
第一章 绪论
1.1 研究背景
1.1.1 弘扬保护文化遗产的时代背景
自改革开放以来，党中央一直重视对历史文化的保护与传承，号召社会发扬历史文化。中华文化博大精深、源远流长，而历史建筑是历史文化的载体，蕴含着深厚的历史底蕴，更是维系中华民族精神的源泉。建筑遗产是人类物质文明和精神文明的重要价值体现，具有丰富的情感价值、文化价值、艺术价值和社会价值[1]。随着国内外对文化遗产概念的不断丰富，对建筑遗产的认知也在不断的更新，建筑遗产所包含的建筑类别也趋于完整，涵盖了从单体到组群的居住、宗教、文化、景观等14种不同类型。我国建筑遗产更是丰富多样：殿堂、楼阁、亭、台、轩榭等,形成了中国独具特色的建筑体系。
2021年9月，中共中央办公厅、国务院办公厅印发了《关于在城乡建设中加强历史文化保护传承的意见》。《意见》[1]明确指出，要本着对历史负责、对人民负责的态度，加强制度顶层设计，建立分类科学、保护有力、管理有效的城乡历史文化保护传承体系。我国传统建筑留存数量最多、历史价值极高的一种文物类型，且我国历史悠久、地广物博，建筑遗产具有分布广泛、年代不同、环境差异大的特点。故从目前我国建筑遗产保护现状及发展需求来看，建筑遗产保护任务依然严峻且意义重大[1]。作为文化遗产的载体，建筑遗产亟需建立一套合理科学的数据体系从而做到对历史建筑的保护传承。
1.2 研究目的与意义
本研究旨在采用智慧数据方法收集建筑遗产大数据的方法，构建建筑遗产智慧数据体系，并进一步探索基于建筑遗产智慧数据体系的建筑遗产知识挖掘，发挥建筑遗产价值的最大化。其意义体现如下：
1.2.1 为我国建筑遗产保护方法提供参考
本研究尝试基于建筑遗产大数据，运用智慧数据的手段，使得大量多模异构数据资源成为一种人和机器都能读懂的编码化知识，且是具备较强的可解释性的数据资源，并将整合的数据系统地收集于各类专业数据库中，共同集合成完整智慧的建筑遗产数据体系。运用数字化技术和多学科交叉的研究方法，以侗族鼓楼及华南教育历史基地为案例对象探索数字化保护架构和技术路径，充实建筑遗产保护理论体系，开拓了新兴研究方法，丰富了相关研究内容，为我国建筑遗产的保护与再利用提供了一定的参考价值。
1.2.2 挖掘建筑遗产大数据的价值
建筑遗产大数据的科学利用是建筑遗产大数据的最终价值体现。而在目前现有的建筑遗产大数据中，建筑遗产数据库存在一定程度的信息孤岛现象，数据资源无法得到高效的互通共享，对大数据的应用程度不高；且针对建筑学领域专业知识的生产力不足，所以无法充分地提供相应的知识生产能力服务于相关领域。故本研究尝试通过基于建筑遗产智慧数据体系的构建，探索挖掘建筑遗产本身的知识，多角度地发现建筑遗产大数据的价值，向公众提供一个可利用的传播建筑遗产的平台。
第二章 相关研究基础
2.1 知识图谱相关研究
2.1.1 知识图谱
知识图谱（Knowledge Graph）的概念由google于2012年正式提出，其目的是优化搜索引擎返回的结果，改善用户的搜索质量及体验。随着人工智能技术和大数据的不断发展和应用，知识图谱已经在多个领域得到了广泛应用，如情报分析、智能问答、反欺诈等领域。作为人工智能技术中认知智能领域中的主要技术，知识图谱技术强大的语义处理和互联组织能力，为结构化、智能化数据提供了基础。 知识图谱本质上是一种具有有向图结构的知识库，由节点（point）、边（edge）、属性（property）组成。每个节点表示现实世界中的“实体”，是知识图谱中最基本的元素，指客观存在并可相互区别的事物；每条边表示实体与实体之间的“关系”，用来表示不同实体间的某种联系。“实体-关系-实体”（例如：许崇清-同事-王亚南）或者“概念-属性-属性”（例如：侗族鼓楼-穿斗式建筑-木构建筑）组成了知识图谱的基本单位——三元组，多个三元组各自连接整合，共同形成能够解释某专业知识领域的知识图谱网络（图2-1）。通过三元组的组合形式客观的描述了现实世界中实体与实体之间的相互联系及实体的属性关系，也很好的使得大数据时代下大量非结构的数据知识结构化，从而达到更好管理与存储数据、挖掘大数据价值的目的。
知识图谱以功能划分类型，其主要分为通用知识图谱与特定领域知识图谱两种类型，通用知识图谱指的是面向通用领域的“结构化的百科知识库”，常用于搜索引擎和推荐系统；特定领域知识图谱是面向某一特定领域，可看做是一个“基于语义技术的行业知识库”，主要用于不同行业与领域，向企业提供内部的专业的知识化服务。本次研究则是要构建面向建筑学专业的特定领域的知识图谱。
2.2 智慧数据
2.2.1 智慧数据与大数据的关系
维基百科对“大数据”的定义是：“大数据”（BIG Data），或称巨量数据、海量数据、大资料，指的是所涉及的数据规模巨大到无法通过人工，在合理时间内达到截取、管理、处理、并整理成为人类所能解读的信息。中国电子科学研究院学报总结出“大数据”有以下特点：Variety（多样化）、Volume（海量）、Velocity（快速）、Vitality（灵活）、Complexity（复杂）[15]。大数据的价值旨在发掘其巨大潜力，去除冗杂庞大的无价值数据，具备处理庞大的数据集，使得隐藏于其中的新知识及其隐藏价值可以被发现。它们通常由传感器、交易记录、社交媒体、移动设备等产生，需要使用大数据技术和工具来收集、存储、处理和分析。
而智慧数据的价值是在大数据的多样化、海量、快速。灵活及复杂之上，通过提供可识别的结构化信息和决策判断来实现的。简单来说，智慧数据是基于大数据，从数据多源而无组织无结构的大数据集中获取有意义、结构化的信息，是“更智慧的大数据”。（图2-5）其具有智能分析和智能应用能力的数据，是对大数据的深入挖掘和分析的结果。智慧数据不仅仅是一个简单的数据汇总，而是使用人工智能、机器学习等技术从大数据中提取出有用的信息，帮助人们更好地理解数据，预测未来趋势和做出更准确的决策。
第三章 建筑遗产智慧数据体系特征 ........................ 23
3.1 建筑遗产智慧数据体系的构成要素 .......................... 24
3.1.1 结构化构成要素 ................................. 24
3.1.2 半结构化构成要素 ............................. 24
第四章 建筑遗产智慧数据体系建构流程 ......................... 32
4.1 建筑遗产大数据的信息提取 ............................ 33
4.1.1 文献资料 .................................. 34
4.1.2 信件、图片及报刊 ........................ 39
第五章 基于智慧数据的知识生成 .............................. 62
5.1 智慧数据语义关系发现................................... 62
5.1.1 基于Citespace的可视化分析 ......................... 62
5.1.2 基于Neo4j的语义关系查询 .......................... 66
第五章 基于智慧数据的知识生成
5.1 智慧数据语义关系发现
5.1.1 基于Citespace的可视化分析
本小节以文献计量方法，基于CiteSpace软件，通过其关键词频率、关键词聚类、关键词时间段聚类的三个功能，对关于“华南教育历史研学基地”相关文献进行可视化分析，分析其现有研究状况，其中关键词共现用以反映该研究领域的热点，关键词聚类用以概括其研究领域的主题，关键词时间线聚类则用于反映研究领域的发展脉络。[8]本研究将中国知网（CNKI）中文数据库作为基于Citespace可视化分析的数据来源，基于“华南教育历史研学基地”知识词库，在知网中进行以“主题”、“题名”及“关键词”三个方面的文献检索，剔除与研究明显不相关的内容后，一共得到相关文献362篇。通过在CiteSpace软件中设置相关参数，得到相关知识图谱，对“华南教育历史研学基地”相关研究领域的研究现状、热点及发展趋势等进行定量分析。
由前文可知，知识图谱作为可视化的数据存储库，主要是对庞杂的多源异构数据进行梳理整合，以统一的数据结构进行存储，以可视化的方式为我们在整理知识。其以一种用于描述现实世界中事物及其关系的结构化知识表示方法，它通常由实体、属性和关系三部分组成。其中，实体表示现实世界中的对象或概念，属性描述实体的特征或属性，而关系则表示不同实体之间的联系或互动。语义关系是指语言中不同词语之间的关系，例如同义关系、上下位关系、属性关系等。语义关系通常基于词语之间的意义和语法结构来定义。知识图谱中的实体可以与语义关系建立联系，这些联系可以表示实体之间的语义关系。例如，两个实体之间的上下位关系可以表示为“父类-子类”关系，两个实体之间的属性关系可以表示为“属性-值”关系。在知识图谱中，这些关系通常被表示为边，而实体则被表示为节点，这样就可以构成一个图形结构，可以用来描述各种实体和它们之间的关系。其中，实体之间的语义关系又分为直接关系及间接关系。
第六章 结语
6.1主要研究成果
（1）构建了以HBIM模型库、建筑遗产知
