论文部分内容阅读
智慧教育作为一种新型的教育形态，不断改变着传统教育行业的基本面貌，催生了众多如MOOC平台等成功应用。而当前MOOC等智慧教育平台正处于发展阶段，还存在如下问题:1)智慧教育平台缺乏课程的知识结构展示;2)平台无法根据课程的具体内容进行相似课程推荐;3)平台欠缺对用户的个性化学习引导。因而导致MOOC等智慧教育平台学习引导机制不够完善，平台运行效率低等不足。针对以上问题，本文研究智慧教育环境下的知识图谱构建，主要工作和贡献如下:
1)针对领域知识图谱构建过程中的知识点提取问题，以MOOC环境为基准，提出一种面向英文课程的领域知识点抽取方法。通过多重滤波过滤、词典匹配并基于语义知识库计算实体类别的相似度，解决了MOOC课程领域知识点抽取的问题。该领域知识点抽取方法可适用于MOOC环境下各种语言表达风格的课程，对知识点的归属判断较为准确，且无需引入复杂深度学习模型，能极大降低实验成本;
2)针对领域知识图谱构建过程中的知识点关系提取问题，以MOOC环境为基准，提出一种面向英文视频课程的领域知识点开放式关系提取方法。通过在依存句法树中对知识点本体进行规则匹配，抽取知识点之间关系的原生表达形式，并进行高阶知识点关系推理，生成最终的知识点关联。该知识点关系抽取方法面向开放域，能有效避免人工预定义关系类型造成的疏漏，发掘知识点之间的隐含关系;
3)针对目前MOOC平台依据课程具体内容进行学习引导方面的不足，基于工作1)和2)，提出通过构建课程知识图谱用于增强对学习者的学习引导。基于课程领域知识图谱，对课程内容进行图形化展示，根据关联知识点生成课程知识链，进行相似课程判断并聚类，实现合理地课程推荐。该学习引导机制研究方法可基于课程具体内容，对知识点进行追溯，为学习者定制个性化学习路径。
通过在真实数据集上进行的实验表明，相较于传统的知识图谱构建方法，本文能够在不引入深度学习这种复杂并行计算环境的前提下，生成智慧教育环境下的领域知识图谱，极大降低了人力及计算成本，并能够为合理的课程推荐及知识溯源提供数据基础。
1)针对领域知识图谱构建过程中的知识点提取问题，以MOOC环境为基准，提出一种面向英文课程的领域知识点抽取方法。通过多重滤波过滤、词典匹配并基于语义知识库计算实体类别的相似度，解决了MOOC课程领域知识点抽取的问题。该领域知识点抽取方法可适用于MOOC环境下各种语言表达风格的课程，对知识点的归属判断较为准确，且无需引入复杂深度学习模型，能极大降低实验成本;
2)针对领域知识图谱构建过程中的知识点关系提取问题，以MOOC环境为基准，提出一种面向英文视频课程的领域知识点开放式关系提取方法。通过在依存句法树中对知识点本体进行规则匹配，抽取知识点之间关系的原生表达形式，并进行高阶知识点关系推理，生成最终的知识点关联。该知识点关系抽取方法面向开放域，能有效避免人工预定义关系类型造成的疏漏，发掘知识点之间的隐含关系;
3)针对目前MOOC平台依据课程具体内容进行学习引导方面的不足，基于工作1)和2)，提出通过构建课程知识图谱用于增强对学习者的学习引导。基于课程领域知识图谱，对课程内容进行图形化展示，根据关联知识点生成课程知识链，进行相似课程判断并聚类，实现合理地课程推荐。该学习引导机制研究方法可基于课程具体内容，对知识点进行追溯，为学习者定制个性化学习路径。
通过在真实数据集上进行的实验表明，相较于传统的知识图谱构建方法，本文能够在不引入深度学习这种复杂并行计算环境的前提下，生成智慧教育环境下的领域知识图谱，极大降低了人力及计算成本，并能够为合理的课程推荐及知识溯源提供数据基础。