计算机问题求解课程的内容建设

为了更好地体现计算机专业基础课程对于学生的能力培养,南京大学计算机科学与技术系重组了计算机导论、离散数学、程序设计、数据结构和计算机算法设计与分析五门课程的内容,打破课程间的边界,突出问题求解主线,形成新的"计算机问题求解"课程。文章介绍课程内容以及内容设计的基本思路。     

基于图匹配网络的可解释知识图谱复杂问答方法

知识图谱问答是人工智能领域的研究热点之一.在该任务中,自然语言问句结构与知识图谱结构之间的语义匹配是一个具有挑战的研究问题.现有工作主要利用深度学习技术对自然语言问句进行序列化编码,然后与知识图谱子图计算语义匹配,这样做法未充分利用复杂问句的结构信息,方法也缺乏可解释性.针对此问题,提出一种基于图匹配网络的知识图谱复杂问答方法TTQA.首先,通过语法分析方法,构建一个与知识图谱无关的未定查询图.然后,依据未定查询图和给定的知识图谱,构建一个与知识图谱相关的已定查询图,在其中,提出一种图匹配网络GMN,通过结合预训练语言模型和图神经网络技术,再利用注意力机制学习查询结构的上下文表示,从而得到更加丰富的结构匹配表示,用于已定查询图预测.在2个复杂问答数据集LC-QuAD 1.0和ComplexWebQuestions 1.1进行实验,结果表明：TTQA超过了现有方法.同时,通过消融实验验证了GMN的有效性.此外,TTQA生成的未定结构图和已定查询图增强了问答系统可解释性.     

基于抽象事理图谱的因果简答题求解方法

如何利用人工智能技术回答标准测试题目是一项具有挑战性的任务,吸引了人工智能领域的广泛研究。该文聚焦在高中地理的因果简答题求解任务,求解因果简答题需要进行知识集成和多跳因果推理,最终生成一段长文本作为答案。为此,该文定义了抽象事理图谱(AEG)来表示因果等关系,并利用预训练语言模型从语料中自动抽取一个面向高中地理因果简答题的抽象事理图谱,实现了多源知识集成。基于抽象事理图谱,该文利用图神经网络技术来融合结构化和非结构化知识,实现了多跳因果推理。该文在包含真实的高中地理因果简答题的数据集GeoCEQA上开展实验,结果表明,无论是ROUGE、BLEU指标还是人工评价的得分,该文提出的方法都取得了最佳结果,在ROUGE指标上,相比最优基线方法提升0.8%～1.4%;在BLEU指标上,相比最优基线方法提升0.4%;在人工评价得分上,相比最优基线方法提升4.2%。     

重组计算机专业基础课程,促进学生能力培养

能力培养是大学本科教育的核心任务之一,专业基础课在培养分析问题与解决问题的能力方面理应承担关键角色。文章介绍近年来建设"计算机问题求解"课程的背景、理念与基本教学方式,探索在专业基础课中突出能力培养的一条有效途径。     

问题求解课程教学过程的监督

针对问题求解课程的教学实际,从教学对象、教学目标、教学内容和教学方法几方面分析课程的特征,阐述教师在意识养成、知识积累、能力培养和技能训练等方面对教学过程的监督内容,及其在课堂、作业、考核和课余等教学活动中的具体实施方法,并结合具体案例加以分析。     

语义Web链接结构分析之综述

随着语义Web研究的发展,其数据量也不断增长,要实现语义Web追求的目标——数据的共享和重用,语义Web上的实体搜索和文档搜索必不可少。而面对这样不断增长的数据以及不同于传统Web的搜索要求,就需要使用链接结构分析来指导语义Web上的搜索。同时,语义Web的发展现状也无时无刻不吸引着研究人员的关注,而链接结构分析对于揭示其宏观结构起着关键作用。分别从实体和文档两个粒度对面向语义Web链接结构分析的研究进行总结,特别关注链接模型的构建以及链接结构分析方法的应用。     

“引导式自学”教学模式探索

针对创新型人才培养中如何加强学生自学能力的问题,分析在"计算机问题求解"课程建设过程中教师引导下的学生自学方法,提出深度引导与自我探索相结合的"引导式自学"教学模式,介绍以自学、授课、讨论和监督为一体的教学方式,并对"计算机问题求解"课程中的实际案例进行系统分析。