首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到10条相似文献,搜索用时 23 毫秒
1.
信息时代背景下,海量的知识正在快速地融入学科体系.学习对象除了单个知识点外,还有知识框架以及知识点间的隐含关联.在人工智能的推动下,不少知识图谱的研究成果成为了当下有利的辅助工具,这使得更多智能化的教学平台在学科领域内具有新的应用前景.论文以计算机学科为例,从构建和分析学科型知识图谱入手,结合目前新的教学需求,介绍一款基于知识图谱的多策略组卷系统.  相似文献   

2.
知识图谱是一种以图谱形式描述客观世界中存在的各种实体、概念及其关系的技术,广泛应用于智能搜索、自动问答和决策支持等领域.可视分析技术可以将抽象的知识图谱映射为图形元素,帮助用户直观地感知和分析数据,从而提高知识图谱的构建和表达,也为知识图谱在各个领域的应用提供了有力支持.文中对知识图谱可视分析相关工作进行调研和整理,从知识图谱可视化表现形式、知识图谱构建过程中常用的可视分析方法以及面向应用领域的知识图谱可视分析技术3个方面进行综述;进一步,总结和讨论知识图谱可视分析面临的挑战,并对其未来的发展趋势进行展望.  相似文献   

3.
计算机学科评估需要对学科整体信息进行汇总, 过于依赖专家经验且历届学科评估信息复用程度低. 针对此问题, 该文提出了一种计算机学科评估知识图谱构建方法. 该方法基于CIR模型建模知识图谱, 设计了针对文本数据的基于依存句法分析的无监督命名实体关系抽取方法和针对表格的数据流组合模型抽取知识, 并借助Neo4j图数据库实现知识图谱可视化, 为更多学科知识图谱的构建提供思路和借鉴.  相似文献   

4.
为了使高校教学工作更智能化,提出一种基于学科知识图谱的高校教学模式,尝试挖掘和构建学科内在的知识关联结构,构建面向教育信息化和智能化的学科知识图谱,以辅助传统课堂教学,提高高等教育的教学质量,并以计算机学科为例,从智能化的在线微课教学、考核评估、学习资源推荐等方面阐述了学科知识图谱在高校教学中的应用.  相似文献   

5.
为了使高校教学工作更智能化,提出一种基于学科知识图谱的高校教学模式,尝试挖掘和构建学科内在的知识关联结构,构建面向教育信息化和智能化的学科知识图谱,以辅助传统课堂教学,提高高等教育的教学质量,并以计算机学科为例,从智能化的在线微课教学、考核评估、学习资源推荐等方面阐述了学科知识图谱在高校教学中的应用.  相似文献   

6.
在人工智能快速发展的今天,智能教育逐渐成为一大研究热点。在自然语言处理方面对智能教育中智慧学习的探究,提出根据知识图谱和学科规则确定单选题考点,主要介绍知识图谱的构建和单选题考点的提取这两方面内容。通过建立一个开放性的知识图谱,不断实现学科知识的扩充。为提取考点,首先将单选题分类、分词以及替换相似词,然后通过检索图谱得到单选题的候选考点集,最后通过学科规则定位知识点及其所属章节,便于学生有针对性地复习教材知识。在所收集的C++试题集上的实验结果表明,通过知识图谱和规则可较为准确地提取出试题考点。  相似文献   

7.
陈烨  周刚  卢记仓 《计算机应用研究》2021,38(12):3535-3543
为了总结前人工作,给相关研究者提供思路,首先讨论了当前多模态知识图谱的基本概念,然后从图数据库和知识图谱这两个角度介绍了多模态知识图谱的构建工作,并总结了两种主要方法的思路.还分析了多模态知识图谱的构建和应用中的关键技术和相关工作,如多模态信息提取、表示学习和实体链接.此外,列举了多模态知识图谱在四种场景中的应用,包括推荐系统、跨模态检索、人机交互和跨模态数据管理.最后,从四个方面展望了多模态知识图谱的发展前景.  相似文献   

8.
多模态知识图谱(multi-modal knowledge graph, MMKG)是近几年新兴的人工智能领域研究热点. 本文提供了一种多模态领域知识图谱的构建方法, 以解决计算机学科领域知识体系庞大分散的问题. 首先, 通过爬取计算机学科的相关多模态数据, 构建了一个系统化的多模态知识图谱. 但构建多模态知识图谱需要耗费大量的人力物力, 本文训练了基于LEBERT模型和关系抽取规则的实体-关系联合抽取模型, 最终实现了一个能够自动抽取关系三元组的多模态计算机学科领域知识图谱.  相似文献   

9.
互联网时代, 数据呈爆发式的增长, 怎样从这些数据中抽取出有用的信息, 已是人工智能研究中的一个核心问题. 知识图谱作为解决这一问题的重要方法, 已成为人工智能技术发展的核心推动力. 信息抽取是知识图谱构建过程中的首要环节, 它实现了从海量的数据中抽取出结构化实体以及实体之间的关系. 本文探讨知识图谱中信息抽取的发展趋势, 对实体抽取、关系抽取和事件抽取及其关键技术进行了综述, 分析和讨论了当前存在的问题、挑战以及未来发展的方向.  相似文献   

10.
近年来,随着互联网技术和应用模式的迅猛发展,引发了互联网数据规模的爆炸式增长,其中包含大量有价值的知识.如何组织和表达这些知识,并对其进行深入计算和分析,备受关注.知识图谱作为丰富直观的知识表达方式应运而生.面向知识图谱的知识推理是知识图谱的研究热点之一,已在垂直搜索、智能问答等应用领域发挥了重要作用.面向知识图谱的知识推理旨在根据已有的知识推理出新的知识或识别错误的知识.不同于传统知识推理,由于知识图谱中知识表达形式的简洁直观、灵活丰富,面向知识图谱的知识推理方法也更加多样化.本文将从知识推理的基本概念出发,介绍近年来面向知识图谱知识推理方法的最新研究进展.具体地,本文根据推理类型划分,将面向知识图谱的知识推理分为单步推理和多步推理,根据方法的不同,每类又包括基于规则的推理、基于分布式表示的推理、基于神经网络的推理以及混合推理.本文详细总结这些方法,并探讨和展望面向知识图谱知识推理的未来研究方向和前景.  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号