智能知识图谱

AI Reader 的知识图谱将小说中错综复杂的人物关系以力导向图（Force-directed Graph）的形式直观呈现。系统从每章提取的 ChapterFact 中自动聚合关系数据，支持从几十人到数百人的大规模网络可视化。

关系类型自动识别

系统内置 _RELATION_TYPE_NORM 规范化映射表，覆盖 70+ 种关系类型变体。LLM 提取的原始关系描述（如"师父"、"师傅"、"授业恩师"）会被自动归一化为标准类型，确保同一关系不会因措辞差异而重复出现。

归一化采用两级匹配策略：先精确匹配，再子串匹配，最大程度兼容 LLM 的多样化输出。

六大关系分类

每条归一化后的关系会被进一步分入 6 个语义分类，用于图谱着色和筛选：

图谱上方提供 分类筛选芯片（Category Filter Chips），点击可快速显示/隐藏特定分类的关系边。

边（Edge）特性

• 权重过滤：后端自动计算建议的最小权重阈值，滑动调节可隐藏低频关系，聚焦核心人物网络
• 频次聚合：边的关系类型基于 Counter 统计最高频类型，而非"最后一章覆盖"，结果更稳定
• 虚线弱边：权重 <= 1 的关系以虚线绘制，视觉上区分一次性提及和持续关系
• 悬浮详情：每条边显示 relation_type（最高频类型）、all_types（按频次排序的全部类型）和 category 分类

节点（Node）特性

• 大节点：标签绘制在圆内部，适合主要角色
• 小节点：标签显示在节点下方，避免遮挡
• 尺寸映射：节点大小反映角色出场章节数或关系连接数
• 颜色编码：人物蓝色、地点绿色、物品橙色、组织紫色，全局一致

密集网络优化

针对大部头小说（如《红楼梦》400+ 角色）的专项优化：

• minChapters 智能默认值：根据节点总数自动设定最小出场章节数，仅保留重要角色
• 力间距自适应：力导向排斥力随图密度动态调整，防止节点重叠
• 标签碰撞检测：每帧追踪标签矩形区域，重叠时自动隐藏低优先级标签
• 交互式图例：图例条目可点击，等同分类筛选

别名自动合并

基于 AliasResolver 的 Union-Find 算法，自动合并同一角色的多个称呼。例如"林黛玉"、"黛玉"、"林妹妹"会被识别为同一人物节点，关系和出场次数自动汇总。

别名来源包括：

• 实体预扫描阶段的字典别名（entity_dictionary.aliases）
• 逐章提取时 LLM 识别的新别名（characters[].new_aliases）

安全过滤机制防止通用称谓（如"妖精"、"那怪"、"师父"）成为 Union-Find 节点，避免不相关角色被错误合并。

暗色模式

图谱通过 MutationObserver 监听系统/应用主题切换，自动适配暗色模式下的背景、节点和标签颜色。

章节范围筛选

支持指定章节区间（chapter_start ~ chapter_end），仅展示特定章节范围内的关系数据，便于追踪人物关系的阶段性变化。