基于Web的課程知識圖譜的構建方法研究

胡茹艷

(云南師范大學 信息學院，云南 昆明 650500)

0 引言

近幾年，隨著知識表示和機器學習等技術的應用，知識圖譜技術突破性的發展為課程知識圖譜的構建提供了一種全新的方式，而網絡中擁有豐富的信息資源，同時其詞條數量大，為課程知識圖譜的構建提供了基礎[1]。利用知識圖譜技術將網絡中的知識提取并建立關系，將知識進行可視化操作，最終以圖的形式展示出來，這樣比較符合人們的認知習慣，可以讓學習者快速獲取知識與知識之間的邏輯關系，從而更加明確地了解整個課程知識結構體系。所以，基于優質的教育資源站點構建課程知識圖譜，能揭示課程知識體系。所以，探討課程知識圖譜的構建是可行而且可靠的。

1 課程知識圖譜研究概述

課程知識圖譜構建主要分為本體層和數據層[2]。在課程知識圖譜的研究過程中，研究者通常采用本體來實現課程知識圖譜的建模，但是不同研究者對知識的邏輯結構解讀不一樣，所以定義的類以及關系也存在差異。潘穎等[3]認為課程知識的基本單位是知識點，因此在構建知識本體時將知識點定義為類，并通過父類和子類來描述知識點的關系；邢科云[4]以認知學習理論為基礎，將課程知識本體分為“框架樹”本體、“知識點網”本體和教學媒體資源本體；其中，每一部分都定義了不同屬性與關系。從上述研究者的分析可以看出，課程知識圖譜的本體層需要借助課程知識本體進行管理。課程知識本體包含了課程內容的概念，體現了完整的內容體系。構建課程知識本體，首先要明確并弄清楚課程知識的內涵與結構特點，建立課程知識的認知結構，其次通過本體技術將知識點及其關系以形式化的方式進行表示和存儲。

2 課程知識圖譜的構建過程

2.1 總體流程

課程知識圖譜構建所利用的數據源主要來自開放課程庫和開放領域，包括：結構化數據、半結構化數據以及非結構化數據。首先采用網絡爬蟲技術從優質的教育資源站點采集課程知識內容的語料數據并進行數據的清洗和分詞；其次應用基于TF-IDF與互信息MI權值的統計學習方法實現文檔關鍵詞的抽取，利用基于詞向量的K-means聚類和基于規則的方法提取分類關系，然后將知識存儲于neo4j圖數據庫，最后利用Protégé工具完成課程知識圖譜的構建，如圖1所示。

圖1 構建流程

2.2 課程知識語料庫構建

構建課程知識語料庫，就是利用網絡爬蟲完成從指定的Web頁面抓取和保存數據。主要是定點抓取優等質量的課程知識內容文檔，以完成課程知識圖譜的構建任務。主要包括：爬蟲引擎、資源URL調度、資源下載、解析以及內容處理等部分。由于抓取的課程語料中包含大量程序代碼、特殊字符及其他無意義的HTML元素標記。這些元素對于概念抽取部分沒有任何意義，甚至有可能對最終的任務結果產生影響。所以需要對這些內容進行數據清洗，以此來提升課程內容的質量，改善概念抽取效果。清洗后的數據用作基礎語料庫，為課程知識圖譜的構建奠定數據基礎。

2.3 課程知識圖譜的本體模式構建

首先采用TF-IDF和MI權值相結合的統計技術，從語料庫中抽取關鍵詞實體。TF-IDF用以評估一字詞對于一個語料庫中的其中一份文件的重要程度。在TF-IDF中，TF表示一個詞在文本中出現的頻率。其計算公式為：

(1)

其中n表示某個詞在文章中出現的次數，m表示文章的總次數。TF就是該詞語的詞頻。IDF是逆文檔頻率的意思，是衡量單詞普遍重要性的標準[5]。計算公式為：

(2)

其中，N表示語料庫的文檔總數，M表示包含該詞的文檔數，如果一個詞越常見，那么分母就越大，逆文檔頻率就越小越接近0。提取出單個的知識點，我們需要進行關系的提取，從而能建立有結構的知識圖，對文本分類關系的提取，主要通過基于詞向量的K-means聚類和基于規則相結合的方法，抽取出知識點實體的包含關系和上下位關系，這一步是知識圖譜模式層本體構建的關鍵。

早期，MacQueen提出了K-means算法[6]。K-means是基于原型的、劃分的距離技術，其算法思想是：

(1)選定K個初始聚類中心，計算其中心值；

(2)計算各數據點到聚類中心的歐式距離，按照距離最近原則分類；

(3)重新計算每類的中心值，作為新的聚類中心，再次分類；

(4)直至標準函數收斂，則算法終止。

2.4 課程知識圖譜的存儲

經過上述數據的獲取以及處理，得到的是課程內容實體以及實體之間的關系，最后一步就是對知識進行存儲，存儲知識的方式多種多樣，這里使用neo4j圖數據庫，因為neo4j具有優秀的關系展示頁面，在進行數據存儲時，將其存儲在網絡上而不是在表中。利用JAVA編程語言，通過neo4j圖數據庫構建課程知識體系的知識圖譜，可以更加直觀地將知識點之間的關系展示出來。

3 結語

在傳統以網頁互聯為學習者提供資源的形式中，因為網頁之間復雜的環境和鏈接跳轉之間的煩瑣，可能會導致學生出現“信息迷航”的問題，文章針對此問題提出了一種課程知識圖譜的構建方法，知識圖譜在課程內容的精煉、歸納有著廣泛的應用，通過關注知識之間的語義關系，并將其關系以圖譜的形式可視化出來，有利于學習者掌握課程知識內容的脈絡。充分利用知識圖譜和現代化信息技術，為課程知識結構的構建提供一種新的方式，為課程知識信息化建設提供了新手段。