CN112015920A - 一种基于知识图谱和边缘计算智能辅助学习系统 - Google Patents
一种基于知识图谱和边缘计算智能辅助学习系统 Download PDFInfo
- Publication number
- CN112015920A CN112015920A CN202010965550.2A CN202010965550A CN112015920A CN 112015920 A CN112015920 A CN 112015920A CN 202010965550 A CN202010965550 A CN 202010965550A CN 112015920 A CN112015920 A CN 112015920A
- Authority
- CN
- China
- Prior art keywords
- knowledge
- data
- learning
- module
- knowledge graph
- 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
- 238000004364 calculation method Methods 0.000 title claims abstract description 13
- 238000003058 natural language processing Methods 0.000 claims description 15
- 238000005516 engineering process Methods 0.000 claims description 12
- 238000013135 deep learning Methods 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 6
- 230000008094 contradictory effect Effects 0.000 claims description 3
- 230000002996 emotional effect Effects 0.000 claims description 3
- 230000004927 fusion Effects 0.000 claims description 3
- 238000003062 neural network model Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 abstract description 5
- 239000002699 waste material Substances 0.000 abstract description 3
- 230000002194 synthesizing effect Effects 0.000 abstract 1
- 238000000034 method Methods 0.000 description 3
- 230000002354 daily effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- 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
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- 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
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Educational Technology (AREA)
- Educational Administration (AREA)
- Life Sciences & Earth Sciences (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Animal Behavior & Ethology (AREA)
- Biomedical Technology (AREA)
- Human Computer Interaction (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开一种基于知识图谱和边缘计算智能辅助学习系统,将学习者输入的课程问题文字与语音数据转变为机器的内部表示数据;通过边缘计算访问服务器中知识图谱模块,并在知识图谱模块的辅助下,解析输入数据,获取语言识别数据;综合学习者的输入的解析后的语言识别数据以及知识图谱模块返回的相应学习信息,生成相关问题答案;反馈给学习者。本发明能够实现智能辅助学习,为学习者提供个性化学习服务,能够使学习者获得到有效且精准的学习方案,提高了识别效率,并且减少了资源浪费,不需要建立庞大的识别数据库即可实现精确识别,减少占用网络资源,避免反应不灵敏、卡顿等现象的发生。
Description
技术领域
本发明属于辅助学习技术领域,特别是涉及一种基于知识图谱和边缘计算智能辅助学习系统。
背景技术
随着科技的不断发展,科技产品也逐渐融入了我们的生活当中,科技产品不再遥远,而已经渗入到我们日常生活的每个细节中。而学习又是我们生活中必不可少的组成部分,尤其是对于中小学生而言,每天的日常生活就是学习。而学习辅助设备能够有效帮助学生进行自主学习,为学生及时答疑解难。
但是,现有的学习辅助机结构单一,无法为学习者提供个性化的服务,并且回应效果差,经常会发生答非所问的情况,从而扰乱了孩子的思维,让孩子无法接受到准确的学习方案;并且占用网络资源较多,经常会出现反应不灵敏、卡顿等现象。
发明内容
为了解决上述问题,本发明提出了一种基于知识图谱和边缘计算智能辅助学习系统,能够实现智能辅助学习,为学习者提供个性化学习服务,能够使学习者获得到有效且精准的学习方案,提高了识别效率,并且减少了资源浪费,不需要建立庞大的识别数据库即可实现精确识别,减少占用网络资源,避免反应不灵敏、卡顿等现象的发生。
为达到上述目的,本发明采用的技术方案是:一种基于知识图谱和边缘计算智能辅助学习系统,包括自然语言处理模块、对话管理模块、知识图谱模块和自然语言生成模块;
所述自然语言处理模块将学习者输入的课程问题文字与语音数据转变为机器的内部表示数据;通过边缘计算访问服务器中知识图谱模块,并在知识图谱模块的辅助下,解析输入数据,获取语言识别数据;
对话管理模块综合学习者的输入的解析后的语言识别数据以及知识图谱模块返回的相应学习信息,生成相关问题答案;最后将所获得的问题答案交由自然语言生成模块生成语言输出数据反馈给学习者。
进一步的是,在所述知识图谱模块中存储了包括知识信息和意图信息,所述知识信息包括教育领域常识知识,所述意图信息包括学习者的情感状态、兴趣偏好和知识技能数据信息。
进一步的是,在所述自然语言处理模块中对输入数据在知识图谱模块进行实体识别、实体链接、指代消解和语义理解,最终解析为槽值对形式的语言识别数据。
进一步的是,在所述自然语言处理模块中先对输入数据进行实体识别识别出该输入数据文本数据;根据在文本数据中提取的特征值,通过实体链接在知识图谱中匹配提取相关联的知识信息和意图信息,构成关联数据集;将获得的关联数据根据神经网络模型进行深度学习优化处理提取出准确关联数据,完成指代消解;通过语音理解,结合意图信息,将准确关联数据进行精确提取和匹配,获得语言识别数据。
进一步的是,采取实体关系识别技术、知识融合技术和实体链接技术构建知识图谱,在所述知识图谱中为每个学习专业构建相应的课程学习的知识图谱。
进一步的是,在所述对话管理模块中,将由所述自然语言处理模块获得的语言识别数据,基于深度学习在知识图谱模块中获得该专业下的课程、以及该课程下的知识点,通过知识点寻找获取答案,生成相关问题答案。
进一步的是,在所述对话管理模块经过知识推理、语义消歧、上下文理解和语义检索操作生成问题答案。
进一步的是,通过语言识别数据提取知识特征词,根据知识特征词在所述建立的知识图谱中返回的该查询条件的知识推理查找到的对应知识信息,从知识图谱中找出所有与该目标之间有目标关系的所有候选作为候选答案集;对候选答案集进行语义消歧,消除候选答案集中与语言识别数据相互矛盾和歧义的数据;对语言识别数据通过上下文理解和语义检索,结合意图信息在候选答案集中提取最优答案。
采用本技术方案的有益效果:
本发明能够实现智能辅助学习,为学习者提供个性化学习服务。本发明通过知识图谱辅助进行自然语言的语义识别;同时,再通过知识图谱等技术让机器理解人的语言,在对人意图进行深入分析的基础上,经过逻辑推理和规则匹配过程,对学习者的提问进行回应或者完成某项明确具体的任务。学习内容丰富且学习针对性精准,能够使学习者获得到有效且精准的学习方案,为学习者学习过程提供了便利。能够快速且精确识别专业术语,提高了识别效率,并且减少了资源浪费,不需要建立庞大的识别数据库即可实现精确识别;减少占用网络资源,避免反应不灵敏、卡顿等现象的发生。
附图说明
图1为本发明的一种基于知识图谱和边缘计算智能辅助学习系统的结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面结合附图对本发明作进一步阐述。
在本实施例中,参见图1所示,本发明提出了一种基于知识图谱和边缘计算智能辅助学习系统,包括自然语言处理模块、对话管理模块、知识图谱模块和自然语言生成模块;
所述自然语言处理模块将学习者输入的课程问题文字与语音数据转变为机器的内部表示数据;通过边缘计算访问服务器中知识图谱模块,并在知识图谱模块的辅助下,解析输入数据,获取语言识别数据;
对话管理模块综合学习者的输入的解析后的语言识别数据以及知识图谱模块返回的相应学习信息,生成相关问题答案;最后将所获得的问题答案交由自然语言生成模块生成语言输出数据反馈给学习者。
作为上述实施例的优化方案,在所述知识图谱模块中存储了包括知识信息和意图信息,所述知识信息包括教育领域常识知识,所述意图信息包括学习者的情感状态、兴趣偏好和知识技能数据信息。
在所述自然语言处理模块中对输入数据在知识图谱模块进行实体识别、实体链接、指代消解和语义理解,最终解析为槽值对形式的语言识别数据。
在所述自然语言处理模块中先对输入数据进行实体识别识别出该输入数据文本数据;根据在文本数据中提取的特征值,通过实体链接在知识图谱中匹配提取相关联的知识信息和意图信息,构成关联数据集;将获得的关联数据根据神经网络模型进行深度学习优化处理提取出准确关联数据,完成指代消解;通过语音理解,结合意图信息,将准确关联数据进行精确提取和匹配,获得语言识别数据。
作为上述实施例的优化方案,采取实体关系识别技术、知识融合技术和实体链接技术构建知识图谱,在所述知识图谱中为每个学习专业构建相应的课程学习的知识图谱。
作为上述实施例的优化方案,在所述对话管理模块中,将由所述自然语言处理模块获得的语言识别数据,基于深度学习在知识图谱模块中获得该专业下的课程、以及该课程下的知识点,通过知识点寻找获取答案,生成相关问题答案。
在所述对话管理模块经过知识推理、语义消歧、上下文理解和语义检索操作生成问题答案。
通过语言识别数据提取知识特征词,根据知识特征词在所述建立的知识图谱中返回的该查询条件的知识推理查找到的对应知识信息,从知识图谱中找出所有与该目标之间有目标关系的所有候选作为候选答案集;对候选答案集进行语义消歧,消除候选答案集中与语言识别数据相互矛盾和歧义的数据;对语言识别数据通过上下文理解和语义检索,结合意图信息在候选答案集中提取最优答案。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (8)
1.一种基于知识图谱和边缘计算智能辅助学习系统,其特征在于,包括自然语言处理模块、对话管理模块、知识图谱模块和自然语言生成模块;
所述自然语言处理模块将学习者输入的课程问题文字与语音数据转变为机器的内部表示数据;通过边缘计算访问服务器中知识图谱模块,并在知识图谱模块的辅助下,解析输入数据,获取语言识别数据;
对话管理模块综合学习者的输入的解析后的语言识别数据以及知识图谱模块返回的相应学习信息,生成相关问题答案;最后将所获得的问题答案交由自然语言生成模块生成语言输出数据反馈给学习者。
2.根据权利要求1所述的一种基于知识图谱和边缘计算智能辅助学习系统,其特征在于,在所述知识图谱模块中存储了包括知识信息和意图信息,所述知识信息包括学习知识信息,所述意图信息包括学习者的情感状态、兴趣偏好和知识技能数据信息。
3.根据权利要求2所述的一种基于知识图谱和边缘计算智能辅助学习系统,其特征在于,在所述自然语言处理模块中对输入数据在知识图谱模块进行实体识别、实体链接、指代消解和语义理解,最终解析为槽值对形式的语言识别数据。
4.根据权利要求3所述的一种基于知识图谱和边缘计算智能辅助学习系统,其特征在于,在所述自然语言处理模块中先对输入数据进行实体识别识别出该输入数据文本数据;根据在文本数据中提取的特征值,通过实体链接在知识图谱中匹配提取相关联的知识信息和意图信息,构成关联数据集;将获得的关联数据根据神经网络模型进行深度学习优化处理提取出准确关联数据,完成指代消解;通过语音理解,结合意图信息,将准确关联数据进行精确提取和匹配,获得语言识别数据。
5.根据权利要求2-4中任一所述的一种基于知识图谱和边缘计算智能辅助学习系统,其特征在于,采取实体关系识别技术、知识融合技术和实体链接技术构建知识图谱,在所述知识图谱中为每个学习专业构建相应的课程学习的知识图谱。
6.根据权利要求5所述的一种基于知识图谱和边缘计算智能辅助学习系统,其特征在于,在所述对话管理模块中,将由所述自然语言处理模块获得的语言识别数据,基于深度学习在知识图谱模块中获得该专业下的课程、以及该课程下的知识点,通过知识点寻找获取答案,生成相关问题答案。
7.根据权利要求6所述的一种基于知识图谱和边缘计算智能辅助学习系统,其特征在于,在所述对话管理模块经过知识推理、语义消歧、上下文理解和语义检索操作生成问题答案。
8.根据权利要求7所述的一种基于知识图谱和边缘计算智能辅助学习系统,其特征在于,通过语言识别数据提取知识特征词,根据知识特征词在所述建立的知识图谱中返回的该查询条件的知识推理查找到的对应知识信息,从知识图谱中找出所有与该目标之间有目标关系的所有候选作为候选答案集;对候选答案集进行语义消歧,消除候选答案集中与语言识别数据相互矛盾和歧义的数据;对语言识别数据通过上下文理解和语义检索,结合意图信息在候选答案集中提取最优答案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010965550.2A CN112015920A (zh) | 2020-09-15 | 2020-09-15 | 一种基于知识图谱和边缘计算智能辅助学习系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010965550.2A CN112015920A (zh) | 2020-09-15 | 2020-09-15 | 一种基于知识图谱和边缘计算智能辅助学习系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112015920A true CN112015920A (zh) | 2020-12-01 |
Family
ID=73522606
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010965550.2A Pending CN112015920A (zh) | 2020-09-15 | 2020-09-15 | 一种基于知识图谱和边缘计算智能辅助学习系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112015920A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112700356A (zh) * | 2021-03-23 | 2021-04-23 | 深圳市华师兄弟教育科技有限公司 | 一种实时网络在线教育培训人员管理信息方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070239405A1 (en) * | 2004-09-01 | 2007-10-11 | Behrens Clifford A | System and method for consensus-based knowledge validation, analysis and collaboration |
WO2017076263A1 (zh) * | 2015-11-03 | 2017-05-11 | 中兴通讯股份有限公司 | 融合知识库处理方法和装置及知识库管理系统、存储介质 |
CN110083690A (zh) * | 2019-04-10 | 2019-08-02 | 华侨大学 | 一种基于智能问答的对外汉语口语训练方法及系统 |
CN111241300A (zh) * | 2020-01-09 | 2020-06-05 | 中信银行股份有限公司 | 舆情预警以及风险传播分析方法、系统、设备及存储介质 |
CN111259653A (zh) * | 2020-01-15 | 2020-06-09 | 重庆邮电大学 | 基于实体关系消歧的知识图谱问答方法、系统以及终端 |
-
2020
- 2020-09-15 CN CN202010965550.2A patent/CN112015920A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070239405A1 (en) * | 2004-09-01 | 2007-10-11 | Behrens Clifford A | System and method for consensus-based knowledge validation, analysis and collaboration |
WO2017076263A1 (zh) * | 2015-11-03 | 2017-05-11 | 中兴通讯股份有限公司 | 融合知识库处理方法和装置及知识库管理系统、存储介质 |
CN110083690A (zh) * | 2019-04-10 | 2019-08-02 | 华侨大学 | 一种基于智能问答的对外汉语口语训练方法及系统 |
CN111241300A (zh) * | 2020-01-09 | 2020-06-05 | 中信银行股份有限公司 | 舆情预警以及风险传播分析方法、系统、设备及存储介质 |
CN111259653A (zh) * | 2020-01-15 | 2020-06-09 | 重庆邮电大学 | 基于实体关系消歧的知识图谱问答方法、系统以及终端 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112700356A (zh) * | 2021-03-23 | 2021-04-23 | 深圳市华师兄弟教育科技有限公司 | 一种实时网络在线教育培训人员管理信息方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110147436B (zh) | 一种基于教育知识图谱与文本的混合自动问答方法 | |
CN102262634B (zh) | 一种自动问答方法及系统 | |
CN110717018A (zh) | 一种基于知识图谱的工业设备故障维修问答系统 | |
CN111708869B (zh) | 人机对话的处理方法及装置 | |
CN111159356B (zh) | 基于教学内容的知识图谱构建方法 | |
CN110781681B (zh) | 一种基于翻译模型的初等数学应用题自动求解方法及系统 | |
CN110888989B (zh) | 一种智能学习平台及其构建方法 | |
CN112115252A (zh) | 智能辅助写作处理方法、装置、电子设备及存储介质 | |
Kudi et al. | Online Examination with short text matching | |
CN112015920A (zh) | 一种基于知识图谱和边缘计算智能辅助学习系统 | |
CN115345177A (zh) | 意图识别模型训练方法和对话方法及装置 | |
CN115757720A (zh) | 基于知识图谱的项目信息搜索方法、装置、设备和介质 | |
CN116561274A (zh) | 一种基于数字人技术与自然语言大模型的知识问答方法 | |
Duan et al. | Automatically build corpora for chinese spelling check based on the input method | |
CN112035680B (zh) | 一种智能辅助学习机的知识图谱构建方法 | |
CN112015921B (zh) | 一种基于学习辅助知识图谱的自然语言处理方法 | |
CN114708125A (zh) | 一种基于人工智能的智慧教学辅助系统 | |
Deng et al. | [Retracted] Intelligent Recognition Model of Business English Translation Based on Improved GLR Algorithm | |
CN116401341A (zh) | 面向理解的互动答疑系统 | |
CN114661900A (zh) | 一种文本标注推荐方法、装置、设备及存储介质 | |
Panditharathna et al. | Question and answering system for investment promotion based on nlp | |
Li et al. | A Multimodal Machine Learning Framework for Teacher Vocal Delivery Evaluation | |
Liu et al. | An NLP-empowered virtual course assistant for online teaching and learning | |
CN113312909B (zh) | 基于自然语言处理的智能分析试题答案方法与系统 | |
CN117235237B (zh) | 一种文本生成方法及相关装置 |
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 |