| 生物医学类专业课程知识图谱构建与应用 | 您所在的位置：网站首页 › 医学类生物技术专业 › 生物医学类专业课程知识图谱构建与应用 |
|
信息化时代与 COVID-19 新冠疫情双重背景作用下，各行各业在进行智能化变革，其中教育领域正在从线下教育模式向在线教育（e-Leaning）转变，仅2020 年在线教育平台学习量已达到 5.4 亿人次。同时，课程信息的主要存储方式也由纸质教材、教师板书等转化为图文及视频方式发布于互联网上。作为教育领域的大数据资源，智慧教育平台所包含大量知识存在海量的隐藏信息，这些信息是促进智慧教育发展的重要基础。如何利用信息化技术完成提高教学质量、优化教学计划、促进教育创新依然是智慧教育发展过程中的热点问题。 在线教育平台的主要使用者主要为学生与教师，学生通过自主方式学习感兴趣的知识点；教师则负责MOOC课程的更新与优化。在生物医学类专业中，课程知识点之间的关系比其他课程形式单一的“包含”关系更加复杂。学生学习网课时往往是以初学者的身份，但目前的教育平台对课程内容的分类仅停留在学科、教育资源类型、课程名称的方式，忽视了对课程知识点关系的提取与建模，学生在学习时并不能有效且正确地构建课程的知识体系；生物医学类专业的知识点在很多方面具有相似性与共通性，教师需要依靠个人经验进行教学计划优化，当课程知识量增多时，基于人力的方式容易忽视一些底层知识点的联系。 基于上述问题，本文的主要工作有以下几点： （1）利用电子教材构建生物医学类专业课程知识图谱。本文的知识图谱构建顺序为：首先从教材目录中抽取概念知识点及概念间层级关系，构建课程知识图谱的框架；然后使用基于 BERT-BiLSTM-CRF 的模型从大量教材文本中抽取知识点实体，构建生物医学类专业知识库；最后使用基于RoBERTa-LSTM的关系抽取模型抽取教材中实例知识点之间复杂的关系，将实例知识点和关系与概念知识点层级结构相结合构建课程知识图谱。经实验验证本文使用的实体抽取模型与关系抽取模型优于BiLstm+Attention等方法。本文利用Neo4j图数据库存储抽取到的节点与关系，知识图谱总规模为：概念节点1083个，实例节点总数22296个。 （2）设计了基于特征融合的FR-GCN链接预测模型，对关联知识点进行挖掘。该模型综合考虑图数据的全局特征与局部特征，实现对传统R-GCN模型的改进，并通过实验验证了本文模型的优越性。 （3）基于本文构建的课程知识图谱与关联知识点发现方法构建在线教育平台。该平台具备知识图谱可视化、节点搜索、节点增删改查等主要功能，面向学生群体辅助构建知识体系、面向教学人员操作友好，有较好的鲁棒性与可扩展性。经测试本文的系统稳定性较好、具有可维护性与可扩展性，可以达到使用标准。 生物医学类专业;课程知识图谱;图表示学习;链接预测;特征融合 吉林大学 硕士 软件工程 黄岚 2023 中文 TP391.1 2023-08-29（万方平台首次上网日期，不代表论文的发表时间） |
| CopyRight 2018-2019 实验室设备网 版权所有 |