CN108052672B - 利用群体学习行为促进结构化知识图谱构建系统及方法 - Google Patents

Abstract

本发明公开了一种利用群体学习行为促进结构化知识图谱构建的系统及方法，所述系统包括信息提取模块，个体知识图谱构建模块，群体知识图谱构建模块，知识点图谱构建模块，反馈模块。本发明适用于中小学教学和在线学习，学习者在知识点K_i的学习过程中，通过对知识点相关内容的操作建立知识点K_i和K_i所属主题知识点集合K{K₁,K₂,K₃…K_i‑1,K_i…K_t}的关联，形成个体知识图谱，所述知识关联均以三元组<concept,relation,property>形式表示；多个学习者的个体知识图谱聚合形成群体知识图谱G_c；对群体知识图谱中所有三元组进行可信度分析，去除没有达到可信度阈值的三元组，得到知识点K_i权威的知识点图谱G_k，专家可以对形成的知识点图谱进行完善；最终的知识点图谱又可以为学习者的学习提供反馈。

Description

利用群体学习行为促进结构化知识图谱构建系统及方法

技术领域

本发明属于学科知识库构建领域，具体地说，是一种利用学习者的群体学习行为促进结构化知识图谱构建的系统和方法，所述系统和方法一方面利用学习者的群体学习行为实现学科知识本体的构建，同时也促进个体学习者的知识结构化，可以运用在教育信息化、信息技术与课程整合等教育实践领域。

背景技术

知识结构是教育学的重要概念，皮亚杰的建构主义理论、布鲁纳的学科结构理论、奥苏伯尔的认知结构理论在不同程度上认为知识结构化有助于学生学习和知识应用；美国著名教育学家施瓦布根据当代科学发展规律的研究，提出了学科结构概念，他认为学科教育应该不局限于一门给定学科的结构，建议将跨学科或具有交叉学科性质的高度概括化的元结构的概念整合起来，整合成新的结构化知识来促进学习者学习。何谓结构化？结构化是指把所学的知识划分为不同部分或归入某种更大范畴，在头脑中组织起来，形成知识组块，进而形成良好的结构；有研究者指出知识结构化有利于学生对知识的记忆和信息的检索与提取；正如美国著名心理学家布鲁纳所认为的那样——获得的知识，如果没有完整的知识结构把它们联系在一起，那么多半的知识会被遗忘。同时，知识结构化有利于学生对知识的理解和整体把握、学生学习的迁移应用以及缩小高级知识和初级知识之间的差距。

目前有研究者从教学策略、信息技术等视角研究知识结构化的方法，如尚艳丽提出借助概念图、表格、知识网、知识提纲等来帮助学生实现化学知识的结构化；刘淑花认为影响知识结构化的因素主要包括知识的类型、知识的表征、知识的组织三个方面，其中知识的表征形式直接影响知识的结构化程度，并提出了表格式、概念图式、流程图式、思维导图式、网络图式等知识结构的表征方法；杨淑莲指出概念构图法是一种能够将隐形知识显性化、非结构化知识结构化并促进学习的有效策略。概念图、思维导图等认知工具对于学科知识结构化方面具有一定促进作用，这些工具一般从根节点或者中心节点出发，体现的是一种自上而下，从中心到四周的结构化模式，体现的是一种从抽象到具体的演绎型思维，但在具体到抽象的归纳性思维的训练上则显得不足。皮亚杰认为顺应和同化是促进知识结构发展的关键因素，而逻辑思维是能够发生顺应和同化的基础，只有演绎型思维或只有归纳型思维都不足以实现知识的结构化。本体是共享概念模型的明确的结构化规范说明，学科知识本体是某个学科的概念和概念之间关系的集合，以形式化的方式表征该领域的知识及其知识结构，不仅包含知识概念及其层级，还包含大量的知识实例。学科知识本体能从中心概念出发遍历到外围知识实例，实现从特殊到一般的演绎型逻辑，也能从外围具体实例出发回归到中心概念，实现从一般到特殊的归纳型逻辑，因此基于学科知识本体这种自上而下的演绎逻辑和自下而上的归纳逻辑能够很好地促进知识的结构化。同时，知识结构化的不断演进也将反过来促进学科知识本体的进化和完善，从而实现对隐性知识的自动有机组织。

每个人对知识的组织方式可能有所不同，每个人构造的知识结构可能不尽相同，面对较大规模的知识构建时，难免存在一些知识遗漏的现象，学习者群体的力量可以弥补个体的知识遗漏，甚至拓展个体认知，如何利用群体的力量，同时和用户实际业务结合，使得用户在完成相关操作的过程中，达到完善知识结构进而促进学科知识本体进化是研究的核心。研究已显示表格式、概念图式、流程图式、思维导图式、网络图式对个体的知识结构化有积极意义，利用学习者的群体力量共建概念图也有部分学者进行了研究。小范围的群体知识结构可以无需借助互联网，一个班级同学手工绘制概念图即可实现，然而学科知识本体的进化是一个巨大的工程，需要大量用户的参与，因此必须依托于互联网，基于Web2.0的群体共建思想，更重要的是这个共建过程要基于教学过程，即教师和学生都能参与而且能够解决教学问题，能促进学生的知识内化，在解决教学问题的同时实现学科知识本体的进化。因此，关键问题可以转化为：

1.如何把知识结构化整合进教学中，让用户在学习知识的同时无缝地促进学科知识本体的进化。如果把本体进化作为单纯的任务来做，对具备海量知识的学科本体的完善，会成为用户的负担，完成的时间和金钱成本巨大。

2.互联网环境下，如何处理相对海量的用户知识结构的存储、计算、呈现，多个个体知识结构合并时，必然涉及到相同知识结构的合并，需要较好的数据结构支持和较优的合并算法。学科知识本体是一个非常庞大的体系，一门学科的知识数百亿的三元组都难以覆盖完全，概念图等工具一定程度上面向个体用户，用于整理个人的知识结构，互联网环境的下群体知识结构应该有更好的工具来构建。

知识图谱最早起源于Google Knowledge Graph,知识图谱本质上是语义网，其结点代表实体(entity)或者概念(concept)，边代表实体/概念之间的各种语义关系。GoogleKnowledge Graph一面世即引起业界的关注，随后搜狗知立方、百度知心也相继上线，知识图谱已应用在语义搜索、机器问答、情报检索、电子阅读、在线学习等领域。相比起概念图等工具，知识图谱有数据海量、语义关联等特性，和学科知识本体思想基本一致。对于一个知识点K，个人知识图谱就和一个简单的概念图相似，而多个个体整合而成的知识图谱则趋向于在描述知识点K的知识结构，自然地，当多个学习者对同一个知识点K构建自己的知识图谱时，群体的力量会逐渐完善知识点K的知识结构，而基于群体行为的知识结构又有助于学生发现自己未掌握的知识，同时教师也借助从群体建立的最大公共知识结构，减少大家已知知识的讲解，而把精力转向教授大部分学生未掌握的知识。

通过构建个人知识图谱，既能促进学生的知识结构化，也能帮助教师发现学生群体知识结构的不足，有教学应用意义；构建知识图谱的同时，产生的三元组作为本体进化的基础，达到一定可信度的三元组就可以加入到本体知识库中，从而实现就本体的进化。

发明内容

本发明要解决的技术问题是：克服当前知识学习没有结构性，学习者与知识点、知识点相关资源不能互通的学习限制，通过本体技术、关联数据技术以及canvas绘图技术实现学习者、知识点、知识点关联关系的结构化、图示化，让学习者既可以看到自己的个性化知识图谱又可以看到群体对于该知识点的学习图谱；与此同时根据学习者的个性化知识图谱和群体知识图谱的分析，得到该知识点不断更新的知识点结构图谱，从而促进学习者的学习。

为了解决上述技术问题，本发明提供了一种利用群体学习行为促进结构化知识图谱构建系统，其技术方案主要包括五个模块：信息提取模块、个体知识图谱构建模块、群体知识图谱构建模块、知识点图谱构建模块、反馈模块，其中：

信息提取模块：用于提取学习者的基本信息、学习者学习特定主题知识点K_i的过程信息和相关学习资源的信息，提取学习者在知识点K_i的学习过程中建立的与知识点K_i相关的知识点集合K{K₁,K₂,K₃…K_i-1,K_i…K_t}，建立如下关系：(1)学习者与知识点K_i之间的关系(2)该主题下知识点K_i与知识点集合K之间的关系、(3)学习者与知识点集合K关联的相关学习资源的关系；并将(1)(2)(3)中的关系作为构建知识图谱的依据；所述学习者学习特定学科主题知识点K_i的过程信息包括学习者基本信息、学习者关联信息和操作行为，所述学习者基本信息为：BasicInfo{学习者领域、学科、学习者权威度、信任度}；所述学习者关联信息为：RelationInfo{学习者关联专家、学习者关联的其他学习者、知识和资源}；所述操作行为为：Operation{浏览、收藏、协作、编辑、批注、评论、关联、标注、分享推荐}；所述学习者操作行为的对象为学习者所学知识点，包括知识点K_i以及集合K中知识点及其资源；(1)(2)(3)中所述关系均通过三元组triple{concept，realtion，property}形式表示，且所有关系均会以关系三元组数据集形式输入到个体知识图谱构建模块；

个体知识图谱构建模块：本模块接收信息提取模块输入的关系三元组数据集，建立个体知识图谱，形成可视化的学习者、知识点和知识相关资源的关系图；本模块将建立所有学习者在特定主题内知识点学习的个体知识图谱G{G_i,1,…G_i,j,…G_i,n}，并将其输入到群体知识图谱构建模块；

群体知识图谱构建模块：本模块接收个体知识图谱构建模块输入的所有学习者在当前主题内知识点学习的个体知识图谱G{G_i,1,…G_i,j,…G_i,n}，所述G_i,j为学习者j学习知识点K_i形成的个体知识图谱；将所有个体学习者关于知识点K_i的个体知识图谱求并集形成当前主题的群体知识图谱G_c，G_c＝G_i,1∪G_i,2∪…∪G_i,n，并以可视化的形式呈现给所有学习者；然后将生成的群体知识图谱G_c输入到知识点图谱构建模块；

知识点图谱构建模块：本模块接收群体知识图谱构建模块输入的群体知识图谱G_c，用于构建知识点图谱；在构建知识点图谱过程中，首先抽取群体知识图谱所有三元组数据{Triple₁，Triple₂,…Triple_n}，然后通过可信度分析公式对其中的每一条三元组进行可信度计算，超过可信度阈值S(专家预先设置，介于0-1之间)的三元组将被纳入知识点图谱，不可信的三元组暂时不会纳入知识点图谱；所述可信度分析公式主要依据学习者j(用S_j表示)对三元组Triple_i的投票数据Vote_ij、学习者S_j的可信度Trust_j，可信度分析公式描述为TRUST(Triple_i)＝Vote_i1*Trust₁+Vote_i2*Trust₂+…+Vote_ij*Trust_j，其中Vote_ij为-1或1，0<＝Trust_j<＝1，如果TRUST(Triple_i)>0则表示三元组可被纳入到最终知识点图谱中；经过可信度分析后，本模块构建成一个初步的知识点图谱；之后，专家或教师对这个初步的知识点图谱进行修正形成更完善的知识点图谱G_k；本模块形成的知识点图谱以可视化的反馈形式呈现给所有学习者，从而为学习者的个体学习提供参考；

反馈模块：本模块用于对前述各个模块构建的信息进行反馈传递；在知识点图谱构建模块，初步形成的知识点图谱进行修正后通过反馈模块反馈给所有相关的学习者，学习者进行学习调整或者对自己的个体知识图谱进行修改和完善；同时，学习者判断修正后的知识点图谱是否符合自己特定的应用情境，对该反馈给出质疑和修正，促进不同情境下的个体知识图谱的更新；而不同学习者在不同情境下个体知识图谱的更新不断反馈给群体知识图谱构建模块，使群体知识图谱得到更新；最后在群体知识图谱的更新推动下，知识点图谱不断更新，形成更加完整、权威的知识点图谱。

进一步地，所述的利用群体学习行为促进结构化知识图谱构建系统中，所述知识点及其关系是学习者在学习过程中自主建构的，即所述知识图谱中知识点与学习者之间的关系、知识点与知识点之间的关系、学习者和资源之间的关系均是通过学习者在学习过程中的操作信息建立起来的，都是可以用三元组表示的语义化关系。

进一步地，所述的利用群体学习行为促进结构化知识图谱构建系统，所述个体知识图谱的构建、群体知识图谱的构建和知识点图谱的构建，完成构建的学习者包含普通学习者和专家学习者；普通学习者包括学生，专家学习者包括教师和专家；所述的个体知识图谱的构建、群体知识图谱的构建和知识点图谱的构建是通过本体技术实现的；所述的个体知识图谱、群体知识图谱和知识点图谱的生成是通过Canvas功能绘制进行可视化的。

进一步地，所述的利用群体学习行为促进结构化知识图谱构建系统中，(1)所述个体知识图谱的构建的过程包括三个阶段，第一个阶段是学习者学习与知识点K_i相关的学习资源，第二个阶段是学习者在学习过程中建立知识点与知识点、资源之间的关联，即知识点集合K{K₁,K₂,K₃…K_i-1,K_i…K_t}的关联关系，所有关联关系汇聚成个体知识图谱，同时个体知识图谱包括学习者与学习资源之间的关系，第三个阶段是学习者根据反馈信息更新自己的个体知识图谱；(2)所述个体知识图谱构建的内容包括知识点与知识点之间的关系、知识点与学习者之间的关系，学习者与学习资源之间的关系，其构建依据主要包含学习者基本信息BasicInfo{学习者领域、学科、学习者权威度、信任度}，学习者关联信息RelationInfo{学习者关联专家、学习者关联的其他学习者、知识和资源}和操作信息Operation{浏览、收藏、协作、编辑、批注、评论、关联、标注、分享推荐}。

进一步地，所述的利用群体学习行为促进结构化知识图谱构建系统中，(1)所述群体知识图谱构建的过程包括三个阶段，第一个阶段是群体知识图谱构建模块接收个体知识图谱构建模块输入的所有学习者构建的以知识点K_i为中心的个体知识图谱集合G{G_i,1,…G_i,j}，其中G_i,j为学习者j在知识点K_i学习过程中构建的以知识点K_i为中心的个体知识图谱；，第二个阶段是所有个体知识图谱合并为群体知识图谱阶段，主要对个体知识图谱中涉及的知识点和关系求并集G_i,1∪G_i,2∪…∪G_i,j得到群体知识图谱G_c；第三阶段为群体知识图谱构建模块接收个体知识图谱构建模块输入的反馈信息，对群体知识图谱进行更新；(2)所述群体知识图谱构建的内容包括知识点与知识点之间的关系、知识点与学习者之间的关系，学习者与学习资源之间的关系。

进一步地，所述的利用群体学习行为促进结构化知识图谱构建系统中，(1)知识点图谱构建的过程包括两个阶段，第一个阶段是根据群体知识图谱G_c构建以知识点K_i为中心的初级知识点图谱，第二个阶段是领域专家或教师修正、完善知识点图谱，形成较权威的知识点图谱G_k；(2)所述知识点图谱构建的内容包括知识点与知识点之间的关系、知识点与学习者之间的关系、学习者与学习资源之间的关系。

在所述利用群体学习行为促进结构化知识图谱构建系统的支撑下，本发明还相应地提供了一种利用群体学习行为促进结构化知识图谱构建方法，主要包括以下步骤：

步骤(1)信息提取模块提取学习者的基本信息、学习者学习特定主题知识点K_i的过程性信息和相关资源信息、学习者在知识点K_i的学习过程中建立的与知识点K_i相关的知识点集合K{K₁,K₂,K₃…K_i-1,K_i…K_t}信息；其中，所述学习者基本信息为：BasicInfo{学习者领域、学科、学习者权威度、信任度}，所述学习知识点K_i的过程性信息包括学习者关联信息和操作行为，所述学习者关联信息为：RelationInfo{学习者关联专家、学习者关联的其他学习者、知识和资源}；所述操作行为为：Operation{浏览、收藏、协作、编辑、批注、评论、关联、标注、分享推荐}；信息提取模块将把这些信息输出给步骤(2)，即个体知识图谱构建步骤；

步骤(2)根据提取的信息构建以知识点K_i为中心的个体知识图谱；个体知识图谱包含知识点与知识点之间的关系，学习者与知识点之间的关系，学习者与学习资源之间的关系；在个体知识图谱中，中心知识点用K_i表示，其他知识节点用集合K{K₁,K₂,K₃…K_i-1,K_i+1…K_t}表示，对于K中的节点，K_i与K之间的关系用R_n表示；学习者与学习资源之间的关系主要有Operation{浏览、收藏、协作、编辑、批注、评论、关联、标注、分享推荐}；最终生成学习者j的以知识点K_i为中心的个体知识图谱G_i,j；本步骤结束后将会将所有学习者的个体知识图谱输入到步骤(3)，即群体知识图谱构建步骤；

步骤(3)根据所有以知识点K_i为中心的个体知识图谱构建群体知识图谱G{G_i,1,…G_i,j,…G_i,n}，将所有个体学习者关于知识点K_i的个体知识图谱求并集形成当前主题的群体知识图谱G_c，G_c＝G_i,1∪G_i,2∪…∪G_i,n，并以可视化的形式呈现给所有学习者；本步骤将生成的群体知识图谱G_c输入到步骤(4)，即知识点图谱构建步骤；

步骤(4)根据步骤(3)输入的群体知识图谱G_c构建知识点图谱，首先抽取群体知识图谱G_c中所有三元组数据{Triple₁，Triple₂,…Triple_n}，然后通过可信度分析公式对其中的每一条三元组进行可信度计算，超过可信度阈值S的三元组将被纳入知识点图谱，不可信的三元组暂时不会纳入知识点图谱；所述可信度分析公式主要依据学习者j(用S_j表示)对三元组Triple_i的投票数据Vote_ij、学习者S_j的可信度Trust_j，可信度分析公式描述为TRUST(Triple_i)＝Vote_i1*Trust₁+Vote_i2*Trust₂+…+Vote_ij*Trust_j，其中Vote_ij为-1或1，0<＝Trust_j<＝1，如果TRUST(Triple_i)>0则表示三元组可被纳入到最终知识点图谱中；经过可信度分析后，本模块构建成一个初步的知识点图谱；领域专家或学科教师可以根据该初步图谱的结构对其进行修改完善形成最终的知识点图谱G_k；本步骤生成的知识点图谱将输入到步骤(5)，即反馈步骤中为学习者的学习提供反馈；

步骤(5)反馈步骤：领域专家或学科教师对知识点图谱的修改会反馈给所有相关学习者，学习者可以根据这些反馈信息修改自己的个体知识图谱；个体知识图谱的更新和完善又会反馈给群体知识图谱构建模块，使得群体知识图谱得到更新；最后群体知识图谱的更新又会影响知识点图谱，使知识点图谱进一步得到完善。

进一步地，所述的利用群体学习行为促进结构化知识图谱构建方法中，在所述步骤(2)(3)(4)整合了群体学习者学习过程中协同建立的知识点关系，为进行基于社会信任的计算提供了保证。

进一步地，所述利用群体学习行为促进结构化知识图谱构建方法中，在所述步骤(3)(4)学习者可以查看其他学习者的知识图谱，并在群体智慧基础上构建新的知识结构，从而促进知识内化和知识补充。

本发明的原理在于：

本发明的优点体现在以下三个方面。首先，个体知识图谱构建模块可以促使用户的隐性知识显性化。学习者在学习过程中，必须建构知识点与知识点之间的关联，所有这些关联都会以可视化的个人知识图谱形式呈现出来。学习者在查看自己的知识图谱的时候就能更直观清晰地了解自己关于中心知识点的知识结构，依据这个知识结构，学习者可以运用发散思维进一步扩展这个知识结构。其次，群体知识图谱构建模块可以通过群体知识图谱帮助用户分享自己的知识并且学习其他人的知识。群体知识图谱是所有以同一知识点为中心的个体知识图谱的并集，实现了所有相关学习者知识的共享。所有相关学习者都可以对比自己的个体知识图谱和群体知识图谱，直观地看出自己知识结构的不足之处，从而进一步完善自己的知识结构。同时，学习者可以查看群体知识图谱中每一条三元组的投票情况并进行投票，对三元组进行投票能促进学习者的思考，加深对知识点的理解。最后，知识点图谱构建模块可以促进特定领域知识结构的生成和进化。知识点图谱是经过可信度过滤的群体知识图谱，并且还会经过领域专家或学科教师的修改和完善，成为具有高可信度的知识点图谱，从而促进领域知识结构的生成和进化。现有的知识结构化技术是利用领域专家多年积累的知识，这一方法构建的领域知识本体是小型本体，只能支持小范围小领域的知识服务。本发明利用群体学习者的学习行为，不仅可以收集到更多更全面的知识，还能获得更新的知识。此外，本发明同时也利用了领域专家，依靠领域专家对群体知识图谱进行判断和修正，以保证领域本体的质量。本发明达到以上所述优点的原因在于利用了知识图谱技术，并设计了质量控制机制。利用可信度分析从群体知识图谱中构建知识点图谱，并且依赖领域专家对知识图谱的质量做进一步的控制。

附图说明

图1为本发明利用群体学习行为促进结构化知识图谱构建系统的结构框图及构建方法的逻辑流程图；

图2为采用本发明系统及方法实现的用户信息和知识点信息结构图；

图3为采用本发明系统及方法实现的个体知识图谱；

图4为采用本发明系统及方法实现的群体知识图谱；

图5为采用本发明系统及方法实现的知识结构(如学科知识库)生成流程图。

具体实施方式

下面结合附图及具体实施方式详细介绍本发明。

本发明提供的利用群体学习促进知识化知识图谱构建系统的结构以及构建方法的逻辑流程如图1所示，系统主要包括五个模块，按照数据处理流程依次为信息提取模块，个体知识图谱构建模块，群体知识图谱构建模块，知识点图谱构建模块，五个流程是循环迭代的，其中：

(1)信息提取模块，该模块包含两部分，一部分是学习者信息提取部分，另一部分是知识点信息提取部分，如图2。所述学习者信息包含基本信息、操作信息和关联信息，所述基本信息为学习者学习过程中具备的基本属性，即BasicInfo{学习者领域、学科、学习者权威度、信任度}，操作信息为学习者在学习过程中与知识点、学习资源产生的行为交互，如{浏览、收藏、协作、编辑、批注、评论、关联、标注、分享推荐}，当学习者产生这些行为后，系统就会对用户行为操作进行记录。此外系统还会提取学习者的关联信息，即RelationInfo{学习者关联专家、学习者关联的其他学习者、知识和资源}，以方便同操作的知识点建立关联。对于知识点的信息提取主要提取他们的学科、领域以及关联的用户和资源。这样就可以通过对学习者、学习者操作的知识点以及学习者操作知识点过程性信息的提取，建立一套学习者、知识点、知识点相关资源和学习者等关系数据并输出给所述个体知识图谱构建流程；

(2)个体知识图谱构建模块：该模块接受信息提取模块输入的用户、知识点、知识点相关资源和用户等关系数据，其中用户、知识点和资源表示为知识图谱中的顶点V_i，知识点与知识点之间的关系、用户与知识点之间的关系，以及用户与资源之间的关系表示为知识图谱中的连线E_i，通过canvas建立可视化的用户、资源知识关系图G＝{V,E}，即个体知识图谱，如图3；该模块的个体知识图谱数据同样要作为输入数据流向所述群体知识图谱集成模块输入数据；

(3)群体知识图谱构建模块：接收所述个体知识图谱构建模块输入的所有以某一知识点Ki为中心的个体知识图谱，将所有个体知识图谱合并成群体知识图谱，设一个群体人数为n，所有以知识点Ki为中心的个人知识图谱是G_i,n，则群体知识图谱为G_c＝G_i,1∪G_i,2∪…∪G_i,n；，并将该群体知识图谱以可视化图形式展现，如图4；

(4)知识点图谱构建模块：知识点图谱构建的思路是利用用户投票和领域专家或学科教师手动修改两种方法从群体知识图谱中构建知识点图谱，如图5。群体知识图谱G_c形成后，针对其中的每一条三元组，用户可以进行投票，表示赞成或反对。根据赞成和反对的票数，计算每一条三元组的可信度，超过可信度阈值的三元组将被知识点K_i的知识点图谱接纳。最后，以知识点K_i为中心的知识点图谱会以可视化的形式呈现。其中对于形成的每个三元组Triple_j，有n个人对其进行了投票，学习者j(用S_j表示)对三元组Triple_i的投票数据Vote_ij、学习者S_j的可信度Trust_j，可信度分析公式描述为TRUST(Triple_i)＝Vote_i1*Trust₁+Vote_i2*Trust₂+…+Vote_ij*Trust_j，其中Vote_ij为-1或1，0<＝Trust_j<＝1，如果TRUST(Triple_i)>0则表示三元组Triple_i可被纳入到最终图谱中，否则暂时拒绝三元组Triple_j。在人工修改阶段，领域专家或学科教师可以参考被暂时拒绝的三元组以及它们的可信度。

(5)反馈模块：反馈模块融合在该系统的各个部分，在个体知识图谱建构模块会通过最新建构的知识点结构与用户的反馈更新当前用户的个体知识图谱；而在个体知识图谱发生改变后，群体知识图谱也会得到相应的反馈进行自我更新；最后根据个体知识图谱和群体知识图谱的更新反馈，当前知识点的图谱也会越来越完善，最终形成完整、权威的知识点结构图谱、个性化的个体知识图谱以及群体知识图谱。

Claims (9)

1.一种利用群体学习行为促进结构化知识图谱构建系统，其特征在于：所述系统包括信息提取模块、个体知识图谱构建模块、群体知识图谱构建模块、知识点图谱构建模块、反馈模块，其中：

信息提取模块：用于提取学习者的基本信息、学习者学习特定主题知识点K_i的过程信息和相关学习资源的信息，提取学习者在知识点K_i的学习过程中建立的与知识点K_i相关的知识点集合K{K₁,K₂,K₃…K_i-1,K_i…K_t}，建立如下关系：(1)学习者与知识点K_i之间的关系、(2)该主题下知识点K_i与知识点集合K之间的关系(3)学习者与知识点集合K关联的相关学习资源的关系；并将(1)(2)(3)中的关系作为构建知识图谱的依据；所述学习者学习特定学科主题知识点K_i的过程信息包括学习者基本信息、学习者关联信息和操作行为，所述学习者基本信息为：BasicInfo{学习者领域、学科、学习者权威度、信任度}；所述学习者关联信息为：RelationInfo{学习者关联专家、学习者关联的其他学习者、知识和资源}；所述操作行为为：Operation{浏览、收藏、协作、编辑、批注、评论、关联、标注、分享推荐}；所述学习者操作行为的对象为学习者所学知识点，包括知识点K_i以及集合K中的知识点及相关资源；(1)(2)(3)中所述关系均通过三元组triple{concept，relation ，property}形式表示，且所有关系均会以关系三元组数据集形式输入到个体知识图谱构建模块；

个体知识图谱构建模块：本模块接收信息提取模块输入的关系三元组数据集，建立个体知识图谱，个体知识图谱是指可视化的学习者、知识点和知识相关资源的关系图；本模块将建立所有学习者在特定主题内知识点学习的个体知识图谱G{G_i,1,…G_i,j,…G_i,n}，并将其输入到群体知识图谱构建模块；

群体知识图谱构建模块：本模块接收个体知识图谱构建模块输入的所有学习者在当前主题内知识点学习的个体知识图谱G{G_i,1,…G_i,j,…G_i,n}，所述G_i,j为学习者j学习知识点K_i形成的个体知识图谱；将所有个体学习者关于知识点K_i的个体知识图谱求并集形成当前主题的群体知识图谱G_c，G_c＝G_i,1∪G_i,2∪…∪G_i,n，并以可视化的形式呈现给所有学习者；然后将生成的群体知识图谱G_c输入到知识点图谱构建模块；

知识点图谱构建模块：本模块接收群体知识图谱构建模块输入的群体知识图谱G_c，用于构建知识点图谱；在构建知识点图谱过程中，首先抽取群体知识图谱所有三元组数据{Triple₁，Triple₂,…Triple_n}，然后通过可信度分析公式对其中的每一条三元组进行可信度计算，超过可信度阈值S的三元组将被纳入知识点图谱，不可信的三元组暂时不会纳入知识点图谱；所述可信度分析公式主要依据学习者j对三元组Triple_i的投票数据Vote_ij、学习者j的可信度Trust_j，可信度分析公式描述为TRUST(Triple_i)＝Vote_i1*Trust₁+Vote_i2*Trust₂+…+Vote_ij*Trust_j，其中Vote_ij为-1或1，0<＝Trust_j<＝1，如果TRUST(Triple_i)>0则表示三元组可被纳入到最终知识点图谱中；经过可信度分析后，本模块构建成一个初步的知识点图谱；之后，专家或教师对初步的知识点图谱进行修正形成更完善的知识点图谱G_k；本模块形成的知识点图谱以可视化的反馈形式呈现给所有学习者，从而为学习者的个体学习提供参考；

反馈模块：本模块用于对前述各个模块构建的信息进行反馈传递；在知识点图谱构建模块，初步形成的知识点图谱进行修正后通过反馈模块反馈给所有相关的学习者，学习者进行学习调整或者对自己的个体知识图谱进行修改和完善；同时，学习者判断修正后的知识点图谱是否符合自己特定的应用情境，对该反馈给出质疑和修正，促进不同情境下的个体知识图谱的更新；而不同学习者在不同情境下的个体知识图谱的更新不断反馈给群体知识图谱构建模块，使群体知识图谱得到更新；最后在群体知识图谱的更新推动下，知识点图谱不断更新，形成更加完整、权威的知识点图谱。

2.根据权利要求1所述的利用群体学习行为促进结构化知识图谱构建系统，其特征在于：所述知识点图谱是学习者在学习过程中自主建构的，即所述知识图谱中知识点与学习者之间的关系、知识点与知识点之间的关系、学习者和资源之间的关系均是通过学习者在学习过程中的操作信息建立起来的，都是可以用三元组表示的语义化的关系。

3.根据权利要求1所述的利用群体学习行为促进结构化知识图谱构建系统，其特征在于：所述个体知识图谱的构建、群体知识图谱的构建和知识点图谱的构建，其构建的学习者包含普通学习者和专家学习者；普通学习者包括学生，专家学习者包括教师和专家；

所述的个体知识图谱的构建、群体知识图谱的构建和知识点图谱的构建是通过本体技术实现的；所述的个体知识图谱、群体知识图谱和知识点图谱的生成是通过Canvas功能绘制进行可视化的。

4.根据权利要求1所述的利用群体学习行为促进结构化知识图谱构建系统，其特征在于：

(1)所述个体知识图谱的构建的过程包括三个阶段，第一个阶段是学习者学习与知识点K_i相关的学习资源，第二个阶段是学习者在学习的过程中建立知识点与知识点之间的关联，即知识点集合K{K₁,K₂,K₃…K_i-1,K_i…K_t}的关联关系，所有关联关系汇聚成个体知识图谱，同时个体知识图谱包括学习者与学习资源之间的关系，第三个阶段是学习者根据反馈信息更新自己的个体知识图谱；

(2)所述个体知识图谱构建的内容包括知识点与知识点之间的关系、知识点与学习者之间的关系，学习者与学习资源之间的关系，其构建依据主要包含学习者基本信息BasicInfo{学习者领域、学科、学习者权威度、信任度}，学习者关联信息RelationInfo{学习者关联专家、学习者关联的其他学习者、知识和资源}和操作信息Operation{浏览、收藏、协作、编辑、批注、评论、关联、标注、分享推荐}。

5.根据权利要求1所述的利用群体学习行为促进结构化知识图谱构建系统中的群体知识图谱构建，其特征在于：

(1)所述群体知识图谱构建的过程包括三个阶段，第一个阶段是群体知识图谱构建模块接收个体知识图谱构建模块输入的所有学习者构建的以知识点K_i为中心的个体知识图谱集合G{G_i,1,…G_i,j}，其中G_i,j为学习者j在知识点K_i学习过程中构建的以知识点K_i为中心的个体知识图谱；第二个阶段是所有个体知识图谱合并为群体知识图谱阶段，主要对个体知识图谱中涉及的知识点和关系求并集G_i,1∪G_i,2∪…∪G_i,j得到群体知识图谱G_c；第三阶段为群体知识图谱构建模块接收个体知识图谱构建模块输入的反馈信息，对群体知识图谱进行更新；

(2)所述群体知识图谱构建的内容包括知识点与知识点之间的关系、知识点与学习者之间的关系，学习者与学习资源之间的关系。

6.根据权利要求1所述的利用群体学习行为促进结构化知识图谱构建系统中的知识点图谱构建，其特征在于：

(1)知识点图谱构建的过程包括两个阶段，第一个阶段是根据群体知识图谱G_c构建以知识点K_i为中心的初级知识点图谱，第二个阶段是领域专家或教师修正、完善知识点图谱，形成较权威的知识点图谱G_k；

(2)所述知识点图谱构建的内容包括知识点与知识点之间的关系、知识点与学习者之间的关系，学习者与学习资源之间的关系。

7.一种利用群体学习行为促进结构化知识图谱构建方法，其特征在于，实现步骤如下：

步骤(1)信息提取模块提取学习者的基本信息、学习者学习特定主题知识点K_i的过程性信息和相关资源的信息、学习者在知识点K_i的学习过程中建立的与知识点K_i相关的知识点集合K{K₁,K₂,K₃…K_i-1,K_i…K_t}信息；其中，所述学习者基本信息为：BasicInfo{学习者领域、学科、学习者权威度、信任度}，所述学习知识点K_i的过程性信息包括学习者关联信息和操作行为，所述学习者关联信息为：RelationInfo{学习者关联专家、学习者关联的其他学习者、知识和资源}；所述操作行为为：Operation{浏览、收藏、协作、编辑、批注、评论、关联、标注、分享推荐}；信息提取模块将把这些信息输出给步骤(2)，即个体知识图谱构建步骤；

步骤(2)根据提取的信息构建以知识点K_i为中心的个体知识图谱；个体知识图谱包含知识点与知识点之间的关系，学习者与知识点之间的关系，学习者与学习资源之间的关系；在个体知识图谱中，中心知识点用K_i表示，其他知识节点用集合K{K₁,K₂,K₃…K_i-1,K_i+1…K_t}表示，对于K中的节点，K_i与K之间的关系用R_n表示；学习者与学习资源之间的关系主要有Operation{浏览、收藏、协作、编辑、批注、评论、关联、标注、分享推荐}；最终生成学习者j的以知识点K_i为中心的个体知识图谱G_i,j；本步骤结束后将会将所有学习者的个体知识图谱输入到步骤(3)，即群体知识图谱构建步骤；

步骤(3)根据所有以知识点K_i为中心的个体知识图谱构建群体知识图谱G{G_i,1,…G_i,j,…G_i,n}，将所有个体学习者关于知识点K_i的个体知识图谱求并集形成当前主题的群体知识图谱G_c，G_c＝G_i,1∪G_i,2∪…∪G_i,n，并以可视化的形式呈现给所有学习者；本步骤将生成的群体知识图谱G_c输入到步骤(4)，即知识点图谱构建步骤；

步骤(4)根据步骤(3)输入的群体知识图谱G_c构建知识点图谱，首先抽取群体知识图谱G_c所有三元组数据{Triple₁，Triple₂,…Triple_n}，然后通过可信度分析公式对其中的每一条三元组进行可信度计算，超过可信度阈值S的三元组将被纳入知识点图谱，不可信的三元组暂时不会纳入知识点图谱；所述可信度分析公式主要依据学习者j对三元组Triple_i的投票数据Vote_ij、学习者j的可信度Trust_j，可信度分析公式描述为TRUST(Triple_i)＝Vote_i1*Trust₁+Vote_i2*Trust₂+…+Vote_ij*Trust_j，其中Vote_ij为-1或1，0<＝Trust_j<＝1，如果TRUST(Triple_i)>0则表示三元组可被纳入到最终知识点图谱中；经过可信度分析后，本模块构建成一个初步的知识点图谱；系统将进行可信度计算生成初步的知识点K_i的知识点图谱，领域专家或学科教师可以根据初步的知识点K_i的知识结构对其进行修改完善形成知识点图谱G_k；本步骤生成的知识点图谱将输入到步骤(5)，即反馈步骤中为学习者的学习提供反馈；

步骤(5)反馈步骤：领域专家或学科教师对知识点图谱的修改会反馈给所有相关学习者，学习者可以根据这些反馈信息修改自己的个体知识图谱；个体知识图谱的更新和完善又会反馈给群体知识图谱构建模块，使得群体知识图谱得到更新；最后群体知识图谱的更新又会影响知识点图谱，使知识点图谱进一步得到完善。

8.根据权利要求7所述的利用群体学习行为促进结构化知识图谱构建方法，其特征在于：在所述步骤(2)(3)(4)整合了群体学习者学习过程中协同建立的知识点关系，为进行基于社会信任的计算提供了保证。

9.根据权利要求7所述的利用群体学习行为促进结构化知识图谱构建方法，其特征在于：在所述步骤(3)(4)学习者可以查看其他学习者的知识图谱，并在群体智慧基础上构建新的知识结构，从而促进知识内化和知识补充。

Images