基于知识图谱的JAVA程序课程答疑设计与应用研究
发布时间：2021-01-25 11:09
顺应社会需求,程序设计课程越来越受到高校和学生的重视。程序设计课程不仅仅是需要理论知识,更需要实践操作和答疑指导,一般采用的是网络教育+传统教育的教学模式。但不管是针对网络教育的教学过程,还是针对传统教育的教学过程,问题依旧存在于程序设计课程的答疑环节;学生遇到学习问题和困难咨询量较大时,如果自主网上搜索,需过滤无用信息、得到的答案准确性较低且花费时间长;如果都询问教师的话,学生得到的答案准确性高但教师精力有限且只能在有限的时间和空间为学生提供“答疑”;当询问人数较多情况下,学生需要长时间等待教师解答问题,以至于产生了时间的浪费、空间上的局限,阻断了学生“问题的发现——问题的解决——知识的积累”的完整学习过程,学生无法得到实时、有效的问题解决办法,知识的关联构建也会存在问题,严重影响了学生的学习热情、学习主动性大打折扣。因此,人们需要在新的视角下去探索新型辅助教学方式来解决师生之间答疑环节存在的“答案准确性”和“答案获取效率性”问题——智能教学答疑系统,能够提供一定的答疑指导,且学生获得答案准确性较高的答案,减少了等待教师解答问题的时间。借助知识图谱技术的支持,可以给知识提供互联,能够...
【文章来源】：四川师范大学四川省
【文章页数】：72 页
【学位级别】：硕士
【部分图文】：
基于知识图谱的答疑系统总体研究流程图
5）能够管理知识库，6）统计教育意义。答疑系统根据用户提问的自然语言，一般是查询答案借助知识库。答疑系统基于分类标准的不同，答疑系统的体系分类如图2.1 所示：图 2.1 自动答疑系统的体系分类
识别数据的概念及关系，于知识图谱中进行存储数据知识。图 2.2 知识图谱的一般技术架构图构建知识图谱的一般技术架构如图2.2所示。半结构和非结构化数据不能直接获取；由于半结构和非结构化数据的规范性较差，必须利用数据抽取操作才能获得实体和关系。结构化的数据由于其规范程度较高可直接应用于知识融合部分；由图可知，知识图谱的构建需要不间断的循环，大致迭代的核心环节分为三步骤：知识抽取（实体抽取、关系抽取、属性抽取）、知识融合（实体链接、知识合并）以及知识处理。（一）知识抽取知识抽取是构建知识图谱的首要环节，也是一切开始的基础。从不同种类的数据源中获取知识是知识抽取的主要目的。当面向的非结构化和半结构化数据源进行知识抽取，难以直接识别知识，必须由实体抽取、实体关系识别和属性抽取技术依次执行才能完成知识抽取，为知识融合做准备。实体抽取（Named entity recognition，NER），作为知识抽取阶段中最为基础和关键的部分。识别具有特定含义的一类实体概念主要采用从文本数据集自动化手段进行。实体抽取的数据识别结果精准与否反映了关系识别效率
【参考文献】：
期刊论文
[1]基于多数据源的机构知识可视化研究与应用[J]. 邓志文,都平平,李新春. 现代情报. 2019(02)
[2]SPOC学习中学习者知识整合差异性研究[J]. 刘杰,杨娟,廖雪花,苏菡,杨军. 中国远程教育. 2019(01)
[3]人工智能在客服系统的应用及关键技术[J]. 王铮,任华,路绪海. 电信科学. 2018(12)
[4]InsunKBQA:一个基于知识库的问答系统[J]. 周博通,孙承杰,林磊,刘秉权. 智能计算机与应用. 2017(05)
[5]知识图谱技术综述[J]. 徐增林,盛泳潘,贺丽荣,王雅芳. 电子科技大学学报. 2016(04)
[6]中医药知识图谱构建与应用[J]. 阮彤,孙程琳,王昊奋,方之家,殷亦超. 医学信息学杂志. 2016(04)
[7]知识图谱构建技术综述[J]. 刘峤,李杨,段宏,刘瑶,秦志光. 计算机研究与发展. 2016(03)
[8]知识图谱与问答系统前沿技术研讨会暨清华大学“计算未来”博士生论坛顺利召开[J]. 中文信息学报. 2016(02)
[9]知识图谱的技术实现流程及相关应用[J]. 曹倩,赵一鸣. 情报理论与实践. 2015(12)
[10]大型中医药知识图谱构建研究[J]. 于彤,刘静,贾李蓉,张竹绿,杨硕,刘丽红,李敬华,于琦. 中国数字医学. 2015(03)
硕士论文
[1]基于中文百科的初中数学学科知识图谱构建与应用[D]. 钟亮.江西财经大学 2018
[2]基于学习元的领域知识图谱自动构建研究[D]. 朱福军.四川师范大学 2018
[3]学生在线辅导答疑系统的设计与实现[D]. 于薇.吉林大学 2017
[4]计算机基础课程在线答疑系统研究与实现[D]. 赵静.西安理工大学 2016
[5]程序设计类实验课程自动问答系统设计与实现[D]. 牛文艳.华中师范大学 2016
[6]基于DBpedia的材料知识抽取系统设计与实现[D]. 李欣.河北科技大学 2015
[7]基于微博的知识图谱的构建与研究[D]. 孙驰.西华大学 2015
[8]基于知识图谱的课程数字化资源推荐方法研究[D]. 赵佳男.北京邮电大学 2015
[9]教育技术学知识图谱的构建[D]. 刘婷.哈尔滨师范大学 2014
[10]基于课程知识的问答系统研究与应用[D]. 刘祥.大连海事大学 2010
本文编号：2999123
【文章来源】：四川师范大学四川省
【文章页数】：72 页
【学位级别】：硕士
【部分图文】：
基于知识图谱的答疑系统总体研究流程图
5）能够管理知识库，6）统计教育意义。答疑系统根据用户提问的自然语言，一般是查询答案借助知识库。答疑系统基于分类标准的不同，答疑系统的体系分类如图2.1 所示：图 2.1 自动答疑系统的体系分类
识别数据的概念及关系，于知识图谱中进行存储数据知识。图 2.2 知识图谱的一般技术架构图构建知识图谱的一般技术架构如图2.2所示。半结构和非结构化数据不能直接获取；由于半结构和非结构化数据的规范性较差，必须利用数据抽取操作才能获得实体和关系。结构化的数据由于其规范程度较高可直接应用于知识融合部分；由图可知，知识图谱的构建需要不间断的循环，大致迭代的核心环节分为三步骤：知识抽取（实体抽取、关系抽取、属性抽取）、知识融合（实体链接、知识合并）以及知识处理。（一）知识抽取知识抽取是构建知识图谱的首要环节，也是一切开始的基础。从不同种类的数据源中获取知识是知识抽取的主要目的。当面向的非结构化和半结构化数据源进行知识抽取，难以直接识别知识，必须由实体抽取、实体关系识别和属性抽取技术依次执行才能完成知识抽取，为知识融合做准备。实体抽取（Named entity recognition，NER），作为知识抽取阶段中最为基础和关键的部分。识别具有特定含义的一类实体概念主要采用从文本数据集自动化手段进行。实体抽取的数据识别结果精准与否反映了关系识别效率
【参考文献】：
期刊论文
[1]基于多数据源的机构知识可视化研究与应用[J]. 邓志文,都平平,李新春. 现代情报. 2019(02)
[2]SPOC学习中学习者知识整合差异性研究[J]. 刘杰,杨娟,廖雪花,苏菡,杨军. 中国远程教育. 2019(01)
[3]人工智能在客服系统的应用及关键技术[J]. 王铮,任华,路绪海. 电信科学. 2018(12)
[4]InsunKBQA:一个基于知识库的问答系统[J]. 周博通,孙承杰,林磊,刘秉权. 智能计算机与应用. 2017(05)
[5]知识图谱技术综述[J]. 徐增林,盛泳潘,贺丽荣,王雅芳. 电子科技大学学报. 2016(04)
[6]中医药知识图谱构建与应用[J]. 阮彤,孙程琳,王昊奋,方之家,殷亦超. 医学信息学杂志. 2016(04)
[7]知识图谱构建技术综述[J]. 刘峤,李杨,段宏,刘瑶,秦志光. 计算机研究与发展. 2016(03)
[8]知识图谱与问答系统前沿技术研讨会暨清华大学“计算未来”博士生论坛顺利召开[J]. 中文信息学报. 2016(02)
[9]知识图谱的技术实现流程及相关应用[J]. 曹倩,赵一鸣. 情报理论与实践. 2015(12)
[10]大型中医药知识图谱构建研究[J]. 于彤,刘静,贾李蓉,张竹绿,杨硕,刘丽红,李敬华,于琦. 中国数字医学. 2015(03)
硕士论文
[1]基于中文百科的初中数学学科知识图谱构建与应用[D]. 钟亮.江西财经大学 2018
[2]基于学习元的领域知识图谱自动构建研究[D]. 朱福军.四川师范大学 2018
[3]学生在线辅导答疑系统的设计与实现[D]. 于薇.吉林大学 2017
[4]计算机基础课程在线答疑系统研究与实现[D]. 赵静.西安理工大学 2016
[5]程序设计类实验课程自动问答系统设计与实现[D]. 牛文艳.华中师范大学 2016
[6]基于DBpedia的材料知识抽取系统设计与实现[D]. 李欣.河北科技大学 2015
[7]基于微博的知识图谱的构建与研究[D]. 孙驰.西华大学 2015
[8]基于知识图谱的课程数字化资源推荐方法研究[D]. 赵佳男.北京邮电大学 2015
[9]教育技术学知识图谱的构建[D]. 刘婷.哈尔滨师范大学 2014
[10]基于课程知识的问答系统研究与应用[D]. 刘祥.大连海事大学 2010
本文编号：2999123
本文链接：https://www.wllwen.com/jiaoyulunwen/jgkg/2999123.html
