CN107085596A - 一种知识网络构建及可视化方法和*** - Google Patents
一种知识网络构建及可视化方法和*** Download PDFInfo
- Publication number
- CN107085596A CN107085596A CN201710184297.5A CN201710184297A CN107085596A CN 107085596 A CN107085596 A CN 107085596A CN 201710184297 A CN201710184297 A CN 201710184297A CN 107085596 A CN107085596 A CN 107085596A
- Authority
- CN
- China
- Prior art keywords
- knowledge point
- knowledge
- point
- relation
- attribute
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000012800 visualization Methods 0.000 claims abstract description 19
- 238000012545 processing Methods 0.000 claims abstract description 7
- 238000012360 testing method Methods 0.000 claims description 24
- 239000000463 material Substances 0.000 claims description 17
- 230000002596 correlated effect Effects 0.000 claims description 16
- 238000007405 data analysis Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 5
- 230000001149 cognitive effect Effects 0.000 claims description 5
- 241000208340 Araliaceae Species 0.000 claims 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims 1
- 235000003140 Panax quinquefolius Nutrition 0.000 claims 1
- 235000008434 ginseng Nutrition 0.000 claims 1
- 230000008569 process Effects 0.000 description 4
- 229910052934 alunite Inorganic materials 0.000 description 2
- 239000010424 alunite Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000019771 cognition Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- KPZTWMNLAFDTGF-UHFFFAOYSA-D trialuminum;potassium;hexahydroxide;disulfate Chemical compound [OH-].[OH-].[OH-].[OH-].[OH-].[OH-].[Al+3].[Al+3].[Al+3].[K+].[O-]S([O-])(=O)=O.[O-]S([O-])(=O)=O KPZTWMNLAFDTGF-UHFFFAOYSA-D 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000004438 eyesight Effects 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/34—Browsing; Visualisation therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/951—Indexing; Web crawling techniques
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及一种知识网络构建及可视化方法,包括以下步骤:S1.使用知识点的关系属性和非关系属性对知识点进行表示;S2.使用知识点的表示构建知识库;S3.基于知识库进行知识网络的构建;S4.利用知识网络引擎获取知识网络中知识点的关系属性,传递给可视化插件进行可视化处理。
Description
技术领域
本发明涉及知识网络构建领域,更具体地,涉及一种知识网络构建及可视化方法和***。
背景技术
根据联接主义(Connectivism)认知理论的观点,学习是一个不断联接知识节点/资源的过程,知识点间的内在联系在该过程中具有重要作用。最新的认知科学表明,知识间的关联关系对认知具有显著影响。知识网络通过知识节点及知识节点之间的关系很好地展现了知识间的关联关系。传统的知识点表示法对知识点关联的界限比较模糊,很难区分知识点之间的关系;按照加涅(Gagne)关于学习结果的分类对知识点类型的划分过于笼统,不利于知识点的计算机处理;因此,如何使得知识点信息更加详细和易于计算机处理是一个亟待解决的问题。
发明内容
本发明为解决以上现有技术对知识点类型及关系划分过于笼统的的缺陷,提供了一种知识网络构建及可视化方法,该方法对知识点类型、知识点关系属性、知识点非关系属性进行了恰当的划分,使知识点的关系适合计算机处理和展示。
为实现以上发明目的,采用的技术方案是:
一种知识网络构建及可视化方法,包括以下步骤:
S1.使用知识点的关系属性和非关系属性对知识点进行表示;
S2.使用知识点的表示构建知识库;
S3.基于知识库进行知识网络的构建;
S4.利用知识网络引擎获取知识网络中知识点的关系属性,传递给可视化插件进行可视化处理。
优选地,所述知识点的类型包括事实、概念、规则、高级规则、认知策略和步骤。
优选地,所述知识点的关系属性包括:前续知识点、后续知识点、父知识点、子知识点、兄弟知识点、相关知识点;所述知识点的非关系属性包括:知识点编号、知识点名称、关键字、知识点简介、知识点标签、学习目标、重要程度、知识点难度、考试频率、知识点类型、参考资料、学习建议、关联知识点、学习资料、测试题、测试阈值、知识点内容、备注等。
优选地,所述步骤S4中的可视化插件根据接收的知识点的关系属性从知识网络中提取出知识点的父知识点、子知识点、前续知识点、后续知识点、兄弟知识点、相关知识点,将相关知识点映射到三维空间中的x平面,将前续知识点、后续知识点映射到y平面,将父知识点、子知识点、兄弟知识点映射到z平面,形成三维立体的知识网络空间结构。每个平面上的知识网络作为该知识网络空间的子知识网络,展示了知识点关系中的部分关系。该知识网络空间和子知识网络提供一系列方便查看的交互操作如移动、缩放、旋转以及链接等,通过二维三维空间切换查看不同关联的知识点,通过位置变换查看或聚焦其他知识点,通过资源链接进行知识点的具体内容、学习资料的学习。通过修改可视化插件的某些属性,可实现基于知识网络的人机交互,进而实现知识点的学习轨迹追踪、资源链接等功能。
优选地,所述知识库包括知识点表、知识点关系表、知识点学习资源表、知识点测试题表,其中知识点表存储知识点的非关系属性,知识点关系表存储知识点的关系属性,知识点学习资源表存储知识点与学习资源的关联信息,知识点测试题表存储知识点的测试题信息。
优选地,所述知识点基本模型表示为kp_base={kp_id,kp_name,keywords,kp_intro,label,learn_target,importanty,dificulty,test_frequency,kp_type,reference,learn_suggest,associated_kps,material,testing,passs_core,content,memo},以上字段分别表示知识点编号、知识点名称、关键字、知识点简介、标签、学习目标、重要程度、知识点难度、考试频率、知识点类型、参考资料、学习建议、关联知识点、学习资料、测试题、测试阈值、知识点内容、备注;其中,知识点标签表示为label={edu_stage_tag,subject_tag,subject_chapter_tag,subject_section_tag},各字段分别表示知识点教育阶段标签、知识点学科标签、学科章标签、学科节标签;关联知识点表示为associated_kps={pre_kp,next_kp,father_kp,child_kp,brother_kp,other_kp},各字段分别表示前续知识点、后续知识点、父知识点、子知识点、兄弟知识点、相关知识点。
同时,本发明还提供了一种应用以上方法的***,其具体的方案如下:
包括知识网络引擎、知识库模块、互联网信息爬取模块、数据分析单元和可视化插件,其中互联网信息爬取模块用于爬取互联网数据,数据分析单元用于基于知识点学习资料或爬取的互联网数据获取知识点的关系属性和非关系属性,知识库模块用于基于获取的知识点的关系属性和非关系属性构建知识库;知识网络引擎用于基于数据库的数据构建知识网络,可视化插件用于基于知识网络引擎获取知识点的关系属性进行可视化处理。
与现有技术相比,本发明的有益效果是:
本发明提供一种知识网络构建及可视化方法,用以将不同学科的知识点构建成知识网络,展示知识点之间的关系、学习链接、内容结构等。本发明提供的方法通过对知识点类型、知识点属性进行了恰当的划分,使知识点的关系适合计算机处理和展示。
附图说明
图1为***的架构示意图。
图2为知识网络的可视化效果图。
具体实施方式
附图仅用于示例性说明,不能理解为对本专利的限制;
以下结合附图和实施例对本发明做进一步的阐述。
实施例1
知识网络在不同研究视觉下有不同研究产物,从教育心理学领域对知识网络的探究来看,最早明确提出“知识网络”概念的是现代认知心理学家E·加涅(1985)。构建完整的学科知识网络,可打破传统的以年级、学期、教材对知识点进行划分的机制,将一个学科的知识点甚至跨学科知识点的知识体系全面展示出来,对于学生的学习具有一定的指导意义,下面将结合附图对本发明实施例做进一步详细阐述。
本发明提供的方法包括以下步骤:
S1.使用知识点的关系属性和非关系属性对知识点进行表示;
S2.使用知识点的表示构建知识库;
S3.基于知识库进行知识网络的构建;
S4.利用知识网络引擎获取知识网络中知识点的关系属性,传递给可视化插件进行可视化处理。
在具体的实施过程中所述步骤S4中的可视化插件根据接收的知识点的关系属性从知识网络中提取出知识点的父知识点、子知识点、前续知识点、后续知识点、兄弟知识点、相关知识点,将相关知识点映射到三维空间中的x平面,将前续知识点、后续知识点映射到y平面,将父知识点、子知识点、兄弟知识点映射到z平面,形成三维立体的知识网络空间结构。每个平面上的知识网络作为该知识网络空间的子知识网络,展示了知识点关系中的部分关系。该知识网络空间和子知识网络提供一系列方便查看的交互操作如移动、缩放、旋转以及链接等,通过二维三维空间切换查看不同关联的知识点,通过位置变换查看或聚焦其他知识点,通过资源链接进行知识点的具体内容、学习资料的学习。通过修改可视化插件的某些属性,可实现基于知识网络的人机交互,进而实现知识点的学习轨迹追踪、资源链接等功能。
知识点的关系属性是根据一定的学习认知、组成关系等人为划分或机器识别的,包括前续知识点、后续知识点、父知识点、子知识点、兄弟知识点、相关知识点。前续知识点是指学习知识点前必须要掌握的知识点集合,后续知识点是指学习当前知识点后可以直接学习的知识点集合,把当前知识点与前续知识点之间的关系称为依赖关系,表示当前知识点依赖于前续知识点的学习;把当前知识点与后续知识点之间的关系称为支撑关系,表示当前知识点支撑后续知识点的学习。父知识点是子知识点的综述,基于父知识点,子知识点从不同的侧面、不同的角度、不同的范畴围绕其进行阐述,把父知识点与子知识点之间的关系称为父子关系。把具有共同父知识点的子知识点互称为兄弟知识点,它们之间的关系为兄弟关系。把与知识点之间没有明显的父子关系、依赖关系、支撑关系和兄弟关系的知识点统称为相关知识点,知识点与相关知识点之间具有某种关联,这种关联难以统一定性表述。
在具体的实施过程中,所述知识库包括知识点表、知识点关系表、知识点学习资源表、知识点测试题表,其中知识点表存储知识点的非关系属性,知识点关系表存储知识点的关系属性,知识点学习资源表存储知识点与学习资源的关联信息,知识点测试题表存储知识点的测试题信息。
其中知识点非关系属性包括知识点编号、知识点名称、关键字、知识点简介、知识点标签、学习目标、重要程度、知识点难度、考试频率、知识点类型、参考资料、学习建议、关联知识点、学习资料、测试题、测试阈值、知识点内容、备注。
本实施例中,知识点基本模型表示为kp_base={kp_id,kp_name,keywords,kp_intro,label,learn_target,importanty,dificulty,test_frequency,kp_type,reference,learn_suggest,associated_kps,material,testing,passs_core,content,memo},各参数说明如下:
kp_id:知识点的编号。
kp_name:知识点名称。
keywords:关键字。
kp_intro:知识点简介。
label:知识点标签,用五元组{kp_id,edu_stage_tag,subject_tag,subject_chapter_tag,subject_section_tag}表示,各字段分别表示知识点编号、知识点教育阶段标签、知识点学科标签、学科章标签、学科节标签。
learn_target:学习目标,取值为记忆、了解、理解、掌握、运用、分析、评价、创造等,分别赋予权值1,2,3,4,5,6,7,8。
importanty:知识点重要程度,取值为不重要、一般、重要、比较重要、非常重要,分别赋予权值1,2,3,4,5。
dificulty:知识点难度,取值为简单、一般、难、较难、非常难等,分别赋予权值1,2,3,4,5。
test_frequency:知识点考试出现频率,取值为没考过、偶尔考、经常考、高频考点,分别赋予权值1,2,3,4。
kp_type:知识点类型,分为事实、概念、规则、高级规则、步骤,分别赋予权值1,2,3,4,5。
reference:知识点参考资料。
learn_suggest:知识点学习建议。
associated_kps:关联知识点,关联知识点模型用七元组{kp_id,pre_kp,next_kp,father_kp,child_kp,brother_kp,other_kp}表示,各字段分别表示知识点编号、前续知识点、后续知识点、父知识点、子知识点、兄弟知识点、相关知识点。
material:知识点学习资料。
testing:知识点测试题。
passs_core:知识点测试阈值。
content:知识点内容。
memo:知识点备注。
其中,知识点标签表示为label={edu_stage_tag,subject_tag,subject_chapter_tag,subject_section_tag},各字段分别表示知识点教育阶段标签、知识点学科标签、学科章标签、学科节标签;
关联知识点表示为associated_kps={pre_kp,next_kp,father_kp,child_kp,brother_kp,other_kp},各字段分别表示前续知识点、后续知识点、父知识点、子知识点、兄弟知识点、相关知识点。
知识点网络可视化效果如图2所示:对于“物质的状态”知识点来说,其前续知识点是知识点3,后续知识点和兄弟知识点都是“物质的属性”,子知识点是“气体、液体、固体”,父知识点是“物态变化”,相关知识点是知识点1,知识点2。点击或双击任意一个知识点,页面将跳转到知识点具体内容的学习界面。
实施例2
本实施例提供了一种应用实施例1方法的***,如图1所示,其具体的方案如下:
包括知识网络引擎、知识库模块、互联网信息爬取模块、数据分析单元和可视化插件,其中互联网信息爬取模块用于爬取互联网数据,数据分析单元用于基于知识点学习资料或爬取的互联网数据获取知识点的关系属性和非关系属性,知识库模块用于基于获取的知识点的关系属性和非关系属性构建知识库;知识网络引擎用于基于数据库的数据构建知识网络,可视化插件用于基于知识网络引擎获取知识点的关系属性进行可视化处理。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (7)
1.一种知识网络构建及可视化方法,其特征在于:包括以下步骤:
S1.使用知识点的关系属性和非关系属性对知识点进行表示;
S2.使用知识点的表示构建知识库;
S3.基于知识库进行知识网络的构建;
S4.利用知识网络引擎获取知识网络中知识点的关系属性,传递给可视化插件进行可视化处理。
2.根据权利要求1所述的知识网络构建及可视化方法,其特征在于:所述知识点的类型包括事实、概念、规则、高级规则、认知策略和步骤。
3.根据权利要求1所述的知识网络构建及可视化方法,其特征在于:所述知识点的关系属性包括:前续知识点、后续知识点、父知识点、子知识点、兄弟知识点、相关知识点,这些都称为知识点的关联知识点;所述知识点的非关系属性包括:知识点编号、知识点名称、关键字、知识点简介、知识点标签、学习目标、重要程度、知识点难度、考试频率、知识点类型、参考资料、学习建议、关联知识点、学习资料、测试题、测试阈值、知识点内容、备注等。
4.根据权利要求3所述的知识网络构建及可视化方法,其特征在于:所述步骤S4中的可视化插件根据接收的知识点的关系属性从知识网络中提取出知识点的父知识点、子知识点、前续知识点、后续知识点、兄弟知识点、相关知识点,将相关知识点映射到三维空间中的x平面,将前续知识点、后续知识点映射到y平面,将父知识点、子知识点、兄弟知识点映射到z平面,形成三维立体的知识网络空间结构。
5.根据权利要求1所述的知识网络构建及可视化方法,其特征在于:所述知识库包括知识点表、知识点关系表、知识点学习资源表、知识点测试题表,其中知识点表存储知识点的非关系属性,知识点关系表存储知识点的关系属性,知识点学习资源表存储知识点与学习资源的关联信息,知识点测试题表存储知识点的测试题信息。
6.根据权利要求3所述的知识网络构建及可视化方法,其特征在于:所述知识点基本模型表示为kp_base={kp_id,kp_name,keywords,kp_intro,label,learn_target,importanty,dificulty,test_frequency,kp_type,reference,learn_suggest,associated_kps,material,testing,passs_core,content,memo},以上字段分别表示知识点编号、知识点名称、关键字、知识点简介、标签、学习目标、重要程度、知识点难度、考试频率、知识点类型、参考资料、学习建议、关联知识点、学习资料、测试题、测试阈值、知识点内容、备注;其中,知识点标签表示为label={edu_stage_tag,subject_tag,subject_chapter_tag,subject_section_tag},各字段分别表示知识点教育阶段标签、知识点学科标签、学科章标签、学科节标签;关联知识点表示为associated_kps={pre_kp,next_kp,father_kp,child_kp,brother_kp,other_kp},各字段分别表示前续知识点、后续知识点、父知识点、子知识点、兄弟知识点、相关知识点。
7.一种根据权利要求1~6任一项方法的***,其特征在于:包括知识网络引擎、知识库模块、互联网信息爬取模块、数据分析单元和可视化插件,其中互联网信息爬取模块用于爬取互联网数据,数据分析单元用于基于知识点学习资料或爬取的互联网数据获取知识点的关系属性和非关系属性,知识库模块用于基于获取的知识点的关系属性和非关系属性构建知识库;知识网络引擎用于基于数据库的数据构建知识网络,可视化插件用于基于知识网络引擎获取知识点的关系属性进行可视化处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710184297.5A CN107085596A (zh) | 2017-03-24 | 2017-03-24 | 一种知识网络构建及可视化方法和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710184297.5A CN107085596A (zh) | 2017-03-24 | 2017-03-24 | 一种知识网络构建及可视化方法和*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107085596A true CN107085596A (zh) | 2017-08-22 |
Family
ID=59615307
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710184297.5A Pending CN107085596A (zh) | 2017-03-24 | 2017-03-24 | 一种知识网络构建及可视化方法和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107085596A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107808014A (zh) * | 2017-11-06 | 2018-03-16 | 北京中科智营科技发展有限公司 | 一种基于自然语言处理的知识库建立方法 |
CN108052612A (zh) * | 2017-12-14 | 2018-05-18 | 马文波 | 大数据的list显示方法和装置 |
CN108550292A (zh) * | 2018-04-16 | 2018-09-18 | 中山大学 | 一种在线教育***的学习资源多层组织与表示方法 |
CN109002499A (zh) * | 2018-06-29 | 2018-12-14 | 浙江蓝鸽科技有限公司 | 学科相关性知识点库构建方法及其*** |
CN109446210A (zh) * | 2018-09-14 | 2019-03-08 | 华中科技大学 | 一种可视化多维关系安全知识体系管理平台及其构建方法 |
CN110009956A (zh) * | 2019-04-22 | 2019-07-12 | 上海乂学教育科技有限公司 | 英语语法自适应学习方法及学习装置 |
CN110309300A (zh) * | 2018-08-23 | 2019-10-08 | 北京慧经知行信息技术有限公司 | 一种识别理科试题知识点的方法 |
CN111026822A (zh) * | 2019-11-19 | 2020-04-17 | 东华大学 | 网络空间测绘模型、网络和物理空间映射模型的构建方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101587486A (zh) * | 2009-06-23 | 2009-11-25 | 四川大学 | 支持产品创新的设计知识的组织与应用方法 |
CN103309978A (zh) * | 2013-06-15 | 2013-09-18 | 昆明能讯科技有限责任公司 | 一种基于图形数据库实现的知识立方体 |
CN103605706A (zh) * | 2013-11-11 | 2014-02-26 | 华中师范大学 | 一种基于知识地图的资源检索方法 |
-
2017
- 2017-03-24 CN CN201710184297.5A patent/CN107085596A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101587486A (zh) * | 2009-06-23 | 2009-11-25 | 四川大学 | 支持产品创新的设计知识的组织与应用方法 |
CN103309978A (zh) * | 2013-06-15 | 2013-09-18 | 昆明能讯科技有限责任公司 | 一种基于图形数据库实现的知识立方体 |
CN103605706A (zh) * | 2013-11-11 | 2014-02-26 | 华中师范大学 | 一种基于知识地图的资源检索方法 |
Non-Patent Citations (1)
Title |
---|
李艳: "网络教学中知识点网络的个性化呈现研究", 《中国优秀博硕士学位论文全文数据库(硕社会科学Ⅱ辑)》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107808014A (zh) * | 2017-11-06 | 2018-03-16 | 北京中科智营科技发展有限公司 | 一种基于自然语言处理的知识库建立方法 |
CN107808014B (zh) * | 2017-11-06 | 2020-02-21 | 北京中科智营科技发展有限公司 | 一种基于自然语言处理的知识库建立方法 |
CN108052612A (zh) * | 2017-12-14 | 2018-05-18 | 马文波 | 大数据的list显示方法和装置 |
CN108550292A (zh) * | 2018-04-16 | 2018-09-18 | 中山大学 | 一种在线教育***的学习资源多层组织与表示方法 |
CN109002499A (zh) * | 2018-06-29 | 2018-12-14 | 浙江蓝鸽科技有限公司 | 学科相关性知识点库构建方法及其*** |
CN109002499B (zh) * | 2018-06-29 | 2022-04-12 | 浙江蓝鸽科技有限公司 | 学科相关性知识点库构建方法及其*** |
CN110309300A (zh) * | 2018-08-23 | 2019-10-08 | 北京慧经知行信息技术有限公司 | 一种识别理科试题知识点的方法 |
CN110309300B (zh) * | 2018-08-23 | 2021-05-11 | 北京慧经知行信息技术有限公司 | 一种识别理科试题知识点的方法 |
CN109446210A (zh) * | 2018-09-14 | 2019-03-08 | 华中科技大学 | 一种可视化多维关系安全知识体系管理平台及其构建方法 |
CN109446210B (zh) * | 2018-09-14 | 2020-09-18 | 华中科技大学 | 一种可视化多维关系安全知识体系管理平台及其构建方法 |
CN110009956A (zh) * | 2019-04-22 | 2019-07-12 | 上海乂学教育科技有限公司 | 英语语法自适应学习方法及学习装置 |
CN111026822A (zh) * | 2019-11-19 | 2020-04-17 | 东华大学 | 网络空间测绘模型、网络和物理空间映射模型的构建方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107085596A (zh) | 一种知识网络构建及可视化方法和*** | |
El‐Assady et al. | NEREx: Named‐entity relationship exploration in multi‐party conversations | |
Maher et al. | Case-based reasoning in design | |
Cabrio et al. | Natural language arguments: A combined approach | |
Liu et al. | Steering data quality with visual analytics: The complexity challenge | |
CN110347894A (zh) | 基于爬虫的知识图谱处理方法、装置、计算机设备及存储介质 | |
Kordjamshidi et al. | SemEval-2012 task 3: Spatial role labeling | |
Hong et al. | Smart: A situation model for algebra story problems via attributed grammar | |
CN109905385A (zh) | 一种webshell检测方法、装置及*** | |
Zhou et al. | Exploring Public Response to ChatGPT with Sentiment Analysis and Knowledge Mapping | |
Stancheva et al. | A model for generation of test questions | |
Shekhawat | Sentiment classification of current public opinion on BREXIT: Naïve Bayes classifier model vs Python’s TextBlob approach | |
Zhang et al. | Identifying features of health misinformation on social media sites: an exploratory analysis | |
Cobos et al. | Moods in MOOCs: Analyzing emotions in the content of online courses with edX-CAS | |
Zacharis et al. | AiCEF: an AI-assisted cyber exercise content generation framework using named entity recognition | |
McBirnie et al. | Motifs: dominant interaction patterns in event structures of serendipity | |
Mohan et al. | Constructing railway ontology using web ontology language and semantic web rule language | |
Elnagar et al. | A benchmark for evaluating Arabic contextualized word embedding models | |
Arnold et al. | Computer simulations and the changing face of scientific experimentation | |
Qiu et al. | NeuroSPE: A neuro‐net spatial relation extractor for natural language text fusing gazetteers and pretrained models | |
Borg et al. | Analyzing networks of issue reports | |
Corneli et al. | Modelling the way mathematics is actually done | |
Puente et al. | Summarizing information by means of causal sentences through causal graphs | |
Lian et al. | Virtual Reality and Internet of Things‐Based Music Online Learning via the Graph Neural Network | |
Xing et al. | Guest Editorial Neurosymbolic AI for Sentiment Analysis |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170822 |