CN114416890A - 异构知识点一体化表示、存储、检索、生成及交互方法 - Google Patents

Abstract

本申请涉及一种异构知识点一体化表示、存储、检索、生成及交互方法，该方法提出了一体化知识点表示模型，将知识点拆解为若干关联的知识元素，并用形式化方法进行表述。该模型充分考虑知识元素是以文、图和视频共存形式来表达，这种表达方法以细粒度的方法按照不同呈现模型将知识点分散表现，即利于细致化分析，也利于全面深刻的掌握。与之前的大篇幅、图文不聚焦的方式相比可以大幅提升学员对知识点的掌握粒度和理解程度。

Description

异构知识点一体化表示、存储、检索、生成及交互方法

技术领域

本申请涉及在线教育技术领域，特别是涉及一种异构知识点一体化表示、存储、检索、生成及交互方法。

背景技术

随着在线职业教育不断推进与深化，越来越多的在线职业教育数据不断积累，这些数据有文本、图片和视频，是一种异构混合数据集的形态。利用这些数据，或者说组织好这些数据，从而更加智能化的满足用户快速认知的教学需求是一项有意义的工作。

文献[1]发明了一种可以根据学习者的特征信息自动识别学习需求的方法，该方法动态适应性呈现个性化学习活动序列，实施内容精准推送，从而提升学员的学习效率和节省学习。文献[2]发明了一种在线教育的个性化课程内容推荐方法，该方法包括将课程进一步碎片化，然后进行难易度标识，并结合主动采集学习者的实时反馈数据进行动态的课程内容推荐优化。文献[3]发明了一种基于大数据分析的职业教育教学诊断与改进系统，该系统采集教育教学过程的诊断信息，对采集信息进行分类和统计处理，并辅助学校实施评价。文献[4]发明了一种用于职业教育的步进教学的系统及方法，将教师、学生和企业三者紧密结合在一起，使得学生经过充分的理论学习和实践学习，使得经过培训的学生能够满足企业的需求，获得企业的青睐，为国家培养细分领域的工匠。

[1]基于大数据的在线职业教育个性化课程内容推送算法，专利申请号:CN202011115368.4。

[2]在线职业教育的个性化课程内容推荐方法，专利申请号:CN202011114748.6。

[3]一种基于大数据分析的职业教育教学诊断与改进系统，专利申请号:CN202010324589.6。

[4]一种用于职业教育的步进教学的方法及系统，专利申请号:CN202010015628.4。

现有的职业教育中的智能方法，基本上都是以促进学员个性化定制学习为主要目的。然而学员的学习不仅仅是依靠推送就能解决的，即使推送了符合学员身份、经历等个性化的学习内容，但学习内容本身不生动、不易于理解也无助于学员快速的进入学习状态。

发明内容

基于此，有必要针对上述技术问题，提供一种使学习内容生动、易于理解的异构知识点一体化表示、存储、检索、生成及交互方法。

一种异构知识点一体化表示方法，所述方法包括：

构建知识元素模型，所述知识元素模型包括：一段有限文本、一组图片以及一组视频。

构建知识元素关系模型，所述知识元素关系模型包括：第一知识元素、第二知识元素以及所述第一知识元素与所述第二知识元素之间的关系类型。

获取在线职业教育中的异构知识点；所述异构知识点包括：教学文本、图片以及视频。

采用所述知识元素模型表示所述异构知识点，得到知识元素集合。

采用所述知识元素关系模型表示所述异构知识点中两个知识元素之间的描述，得到知识元素关系集合。

根据所述知识元素集合和所述知识元素关系集合，得到一体化异构知识点；所述一体化异构知识点包括：所述异构知识点中各个知识元素的集合和所述知识元素关系集合。

一种异构知识点一体化模型的存储方法，所述方法包括：

获取存储介质的最小存储字节，以及获取上述的一体化异构知识点。

根据一体化异构知识点中的知识元素的集合中的每个知识元素，构建知识元素结构体；所述知识元素结构体包括：知识元素名称、知识元素中文本URL、知识元素中图片URL以及知识元素中视频URL。

根据一体化异构知识点中的知识元素的集合中的每个知识元素关系，构建知识元素关系结构体；所述知识元素关系结构体包括：第一知识元素的标识、第二知识元素的标识、第一知识元素与第二知识元素的关系描述以及关系类型。

将所有所述知识元素结构体和所述知识元素关系结构体存储至存储介质中。

在其中一个实施例中，将所有所述知识元素结构体和所述知识元素关系结构体存储至存储介质中，包括：

将所有所述知识元素结构体按照知识元素标识降序进行排序，并顺序存储至存储介质中。

将所有所述知识元素关系结构体按照第一知识元素的知识元素标识降序进行排序，并顺序存储至存储介质中。

一种一体化异构知识点的检索方法，所述方法包括：

获取检索条件，以及按照上述异构知识点一体化模型的存储方法存储的一体化异构知识点。

根据所述检索条件，在所述一体化异构知识点中查询知识元素名称及与所述知识元素关联的全部知识元素标识。

在其中一个实施例中，检索条件为给定的知识元素标识。

根据所述检索条件，在所述一体化异构知识点中查询知识元素名称及与所述知识元素关联的全部知识元素标识，包括：

读取知识元素结构体中的知识元素标识，将所述知识元素标识作为知识元素检索关键字，并将所述知识元素标识对应的知识元素存储地址作为检索值。

根据所述知识元素检索关键字和所述检索值构建检索树，得到知识元素索引。

读取知识元素关系结构体中的第一元素标识和第二元素标识，将所述第一元素标识和所述第二元素标识进行字符串拼接作为知识元素关系检索关键字，并将所述知识元素关系结构体对应的知识元素关系的存储地址作为知识元素关系检索值。

根据所述知识元素关系检索关键字和所述知识元素关系检索值构建树，得到知识元素关系索引。

利用知识元素索引检索条件，得到检索条件对应的存储地址，并读取存储地址对应的结构体，提取对应结构体的知识元素名称，并将其作为查询出的知识元素名称。

利用知识元素关系索引，设计区间查询条件，得到一组地址；读取每个地址对应的知识元素关系结构体，并提取出知识元素关系结构体中的知识元素标识，并将其作为查询出的关联的知识元素标识。

一种一体化异构知识点半自动生成方法，所述方法用于根据大量的在线职业教育用的文档和PPT，利用文、图、视频共存的特点生成上述异构知识点一体化表示方法中所述的一体化异构知识点；所述方法包括：

获取教育资源数据，所述教育资源数据包括：文档和PPT。

将所述文档和PPT中的文字、图片和视频按照出现顺序分别进行抽取，并将文字、图片、视频按照在文档中出现的顺序形成链表。

根据所述链表，分别采用摘要处理方法、图像场景提取方法以及视频场景提取方法，得到一组关键词集合、一组子图片集合以及一组子视频集合。

用户根据知识点，按照所述链表中的顺序将临近的所述关键词集合、所述子图片集合以及所述子视频集合按照部分、全部或拆分组合成为对应的知识点，所述知识点包括：所述关键词集合、所述子图片集合以及所述子视频集合。

将一个知识点，分别采用图片语义信息提取方法和视频语义信息提取方法进行处理，分别得到一组描述图片关键词集合和一组描述视频关键词集合。

根据所述关键词集合、所有所述描述图片关键词集合以及所有描述视频关键词集合，采用文本聚类，得到一组簇。

将每一个簇构建成一个知识元素，所述知识元素的文本属于簇中所述关键词集合的关键词，图片是与所述关键词对应的所述描述子图关键词集合中的子图片，视频是与所述关键词对应的所述描述子视频关键词集合中的子视频。

在知识元素构建完成后，用户依据知识元素关系建立知识元素关系集合，赋予两两知识元素关系、关系描述和关系类别。

一种基于一体化异构知识点的人机交互方法，所述方法用于通过合适的交互方法利用上述异构知识点一体化表示方法构建的一体化异构知识点提升学习效果，所述方法包括：

根据所述一体化异构知识点，采用屏幕显示和鼠标互动为交互方法，将所述一体化异构知识点的知识元素简洁的显示在屏幕上，并配合鼠标进行具体内容的显示。

在其中一个实施例中，根据所述一体化异构知识点，采用屏幕显示和鼠标互动为交互方法，将所述一体化异构知识点的知识元素简洁的显示在屏幕上，并配合鼠标进行具体内容的显示，包括：

将所述一体化异构知识点的每个知识元素在计算机屏幕上绘制圆形，在圆形的中心绘制所述知识元素的名称。

在所述一体化异构知识点的每个知识元素关系中提取两个知识元素的标识，并将每个对应到所在的知识元素，绘制线条连接两个知识元素。

根据所有的关系种类，生成每一种关系的线条样式，并根据当前知识点中知识元素关系类型依据线条样式重新渲染线条。

设定当鼠标悬停在知识元素上时，通过知识元素标识检索结构体，并读取文本地址、图片地址以及视频地址所在的数据，将对应的文本、图片和视频以小窗体形式同时显示，其中视频自动播放。

设定当鼠标悬停在知识元素关系线条上时，通过知识元素关系标识检索结构体，读取关系描述，并在线条上绘制关系描述。

在其中一个实施例中，所述基于一体化异构知识点的人机交互方法还包括：

判断当知识元素关系存在顺序关系时，按照顺序关系绘制知识元素、知识元素关系及后续知识元素直至顺序关系遍历完毕。

上述异构知识点一体化表示、存储、检索、生成及交互方法，该方法提出了一体化知识点表示模型，将知识点拆解为若干关联的知识元素，并用形式化方法进行表述。该模型充分考虑知识元素是以文、图和视频共存形式来表达，这种表达方法以细粒度的方法按照不同呈现模型将知识点分散表现，即利于细致化分析，也利于全面深刻的掌握。与之前的大篇幅、图文不聚焦的方式相比可以大幅提升学员对知识点的掌握粒度和理解程度。

附图说明

图1为一个实施例中异构知识点一体化表示方法的流程示意图；

图2为一个实施例中一体化知识点模型示意图；

图3为另一个实施例中异构知识点一体化模型的存储方法的流程示意图；

图4为另一个实施例中一体化异构知识点的检索方法的流程示意图；

图5为另一个实施例中一体化异构知识点半自动生成方法的流程示意图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

在一个实施例中，如图1所示，提供了一种异构知识点一体化表示方法，该方法包括以下步骤：

步骤100：构建知识元素模型，知识元素模型包括：一段有限文本、一组图片以及一组视频。

步骤102：构建知识元素关系模型，知识元素关系模型包括：第一知识元素、第二知识元素以及第一知识元素与第二知识元素之间的关系类型。

步骤104：获取在线职业教育中的异构知识点；异构知识点包括：教学文本、图片以及视频。

步骤106：采用知识元素模型表示异构知识点，得到知识元素集合。

步骤108：采用知识元素关系模型表示异构知识点中两个知识元素之间的描述，得到知识元素关系集合。

步骤110：根据知识元素集合和知识元素关系集合，得到一体化异构知识点；一体化异构知识点包括：异构知识点中各个知识元素的集合和知识元素关系集合。

本模型用于描述集合文本、图片、视频等要素于一体的学习知识点。

知识点(Knowledge Point，KP)由知识元素(Knowledge Element，KE)和知识元素关系(Knowledge Element Relationship，KER)构成，可表示为kp＝(KE,KER)，其中kp代表一个知识点，KE是该知识点中各个知识元素的集合，即KE＝{ke_i|1≤i≤n}，其中n表示知识元素的数量，ke_i表示第i个知识元素，KER是知识元素关系的集合，即KER＝{ker_j|1≤j≤m}，KER中的第j个关系ker_j是对第s个知识元素与第t个知识元素之间的描述，即ker_j＝＜ke_s,kr_t,rt＞，其中rt表示关系类型。

对于第i个知识元素ke_i，可以表示为＜tx_i,pic_i,vd_i＞，其中tx_i代表一段有限文本，pic_i代表一组图片，vd_i代表一组视频。如图2所示，示例了一体化知识点模型，知识元素关系线条类型代表了关系的不同。

上述一种异构知识点一体化表示方法中，该方法提出了一体化知识点表示模型，将知识点拆解为若干关联的知识元素，并用形式化方法进行表述。该模型充分考虑知识元素是以文、图和视频共存形式来表达，这种表达方法以细粒度的方法按照不同呈现模型将知识点分散表现，即利于细致化分析，也利于全面深刻的掌握。与之前的大篇幅、图文不聚焦的方式相比可以大幅提升学员对知识点的掌握粒度和理解程度。

在一个实施例中，如图3所示，提供了一种异构知识点一体化模型的存储方法，该方法包括如下步骤

步骤200：获取存储介质的最小存储字节，以及获取上述的一体化异构知识点。

步骤202：根据一体化异构知识点中的知识元素的集合中的每个知识元素，构建知识元素结构体；知识元素结构体包括：知识元素名称、知识元素中文本URL、知识元素中图片URL以及知识元素中视频URL。

步骤204：根据一体化异构知识点中的知识元素的集合中的每个知识元素关系，构建知识元素关系结构体；知识元素关系结构体包括：第一知识元素的标识、第二知识元素的标识、第一知识元素与第二知识元素的关系描述以及关系类型。

步骤206：将所有知识元素结构体和知识元素关系结构体存储至存储介质中。

在其中一个实施例中，步骤206还包括：将所有知识元素结构体按照知识元素标识降序进行排序，并顺序存储至存储介质中；将所有知识元素关系结构体按照第一知识元素的知识元素标识降序进行排序，并顺序存储至存储介质中。

该一体化知识点的存储方法，以结构体的形式分别存储知识元素和知识元素关系，并且按照标识顺序存储，可在批量读取时可以提高读取的效率，提升整个知识点交互的速度，增强体验感。

在另一个实施例中，对于给定的一体化知识点模型kp＝(KE,KER),KE＝{ke_i|1≤i≤n}，KER＝{ker_j|1≤j≤m}，其存储步骤包括：

S1：针对KE中每个知识元素ke_i，生成一个结构体kerstr_i；

S2：kestr_i中包含＜keid,kename,txaddr,picaddr,vdaddr＞，其中keid代表该知识元素的标识，kename为该知识元素名称，txaddr为该知识元素中文本URL，picaddr为该知识元素中图片URL，vdaddr为该知识元素中视频URL。

S3：针对KER中每个知识元素关系ker_j，生成一个结构体kerstr_j；

S4：kerstr_j中包含<keid_s,keid_t,rdesc,rt>，其中keid_s是知识元素ke_s的标识，keid_t是知识元素ke_t的标识，rdesc是关系描述，rt是关系类型。

S5：将所有知识元素的结构体按照keid降序排序后顺序在磁盘写入。

S6：将所有知识元素关系的结构体按照第1个keid降序排序后顺序在磁盘写入。

在一个实施例中，如图4所示，提供了一种一体化异构知识点的检索方法，该方法包括如下步骤

步骤300：获取检索条件，以及按照上述异构知识点一体化模型的存储方法存储的一体化异构知识点。

步骤302：根据检索条件，在一体化异构知识点中查询知识元素名称及与知识元素关联的全部知识元素标识。

在其中一个实施例中，检索条件为给定的知识元素标识。步骤302还包括：读取知识元素结构体中的知识元素标识，将知识元素标识作为知识元素检索关键字，并将知识元素标识对应的知识元素存储地址作为检索值；根据知识元素检索关键字和检索值构建检索树，得到知识元素索引；读取知识元素关系结构体中的第一元素标识和第二元素标识，将第一元素标识和第二元素标识进行字符串拼接作为知识元素关系检索关键字，并将知识元素关系结构体对应的知识元素关系的存储地址作为知识元素关系检索值；根据知识元素关系检索关键字和知识元素关系检索值构建树，得到知识元素关系索引；利用知识元素索引检索条件，得到检索条件对应的存储地址，并读取存储地址对应的结构体，提取对应结构体的知识元素名称，并将其作为查询出的知识元素名称；利用知识元素关系索引，设计区间查询条件，得到一组地址；读取每个地址对应的知识元素关系结构体，并提取出知识元素关系结构体中的知识元素标识，并将其作为查询出的关联的知识元素标识。

该一体化知识点的索引和检索方法，在绘制一体化知识点时需要读取知识元素和知识元素关系的具体内容，因此利用本发明所构建的索引结构可以快速显示，增强用户的体验感，同时索引和检索方法也是一种接口，为上层应用提供帮助。

在另一个实施例中，对于存储完毕的一体化知识点模型kp＝(KE,KER),KE＝{ke_i|1≤i≤n}，KER＝{ker_j|1≤j≤m}，给检索条件keid_q，查询其知识元素名称，以及与其关联的全部知识元素标识。一体化知识点索引与检索方法的步骤包括：

S1：针对知识元素的每个结构体kerstr_i，读取结构体中的keid，将keid作为key，keid对应的知识元素存储地址作为value，构建B⁺树，形成知识元素索引kei。

S2：针对知识元素关系的每个结构体kerstr_j，读取结构体中的keid_s和keid_t，将keid_s和keid_t进行字符串拼接keid_s|keid_t作为key，kerstr_j对应的知识元素关系存储地址作为value，构建B⁺树，形成知识元素关系索引keri。

S3：利用索引kei检索keid_q，得到keid_q对应的存储地址addr_q，读取addr_q对应的结构体kestr_q，取出kestr_q中的kename，返回作为查询出的知识元素名称。

S4：利用索引krei，设计[keid_p|0,keid_p|max]作为区间查询条件，得到一组地址，针对每个地址addr_p，读取addr_p对应的结构体kerstr_p，取出kerstr_p中的keid_p，返回作为查询出的关联的知识元素标识。

在一个实施例中，如图5所示，提供了一种一体化异构知识点半自动生成方法，方法用于根据大量的在线职业教育用的文档和PPT，利用文、图、视频共存的特点生成上述的一体化异构知识点；该方法包括如下步骤：

步骤400：获取教育资源数据，教育资源数据包括：文档和PPT。

步骤402：将文档和PPT中的文字、图片和视频按照出现顺序分别进行抽取，并将文字、图片、视频按照在文档中出现的顺序形成链表。

步骤404：根据链表，分别采用摘要处理方法、图像场景提取方法以及视频场景提取方法，得到一组关键词集合、一组子图片集合以及一组子视频集合。

步骤406：用户根据知识点，按照链表中的顺序将临近的关键词集合、子图片集合以及子视频集合按照部分、全部或拆分组合成为对应的知识点，知识点包括：关键词集合、子图片集合以及子视频集合。

步骤408：将一个知识点，分别采用图片语义信息提取方法和视频语义信息提取方法进行处理，分别得到一组描述图片关键词集合和一组描述视频关键词集合。

步骤410：根据关键词集合、所有描述图片关键词集合以及所有描述视频关键词集合，采用文本聚类，得到一组簇。

步骤412：将每一个簇构建成一个知识元素，知识元素的文本属于簇中关键词集合的关键词，图片是与关键词对应的描述子图关键词集合中的子图片，视频是与关键词对应的描述子视频关键词集合中的子视频。

步骤414：在知识元素构建完成后，用户依据知识元素关系建立知识元素关系集合，赋予两两知识元素关系、关系描述和关系类别。

该一体化知识点生成方法，借助文本处理技术、图像处理技术和视频处理技术细化分割图文视频，并利用聚类将相关的语义关系进行挖掘，从而构建起针对同一知识元素的不同模态数据的绑定。该方法是一种半自动化方法，需要授课人员参与完成。相比于现有的手工制作教学资源的方法，该方法大大提升了制作的智能化，提升了制作效率。

在另一个实施例中，对于大量的在线职业教育数据，如文档、PPT等，可以利用文、图、视频共存的特点构建一体化知识点，其生成方法的具体步骤包括：

S1：将教育数据资源，如文档、PPT等中的文字、图片和视频按照出现顺序分别进行抽取，其中文字按照段落抽取，图片按照幅来抽取，视频按照幅来抽取，并将段落、图片、视频按照在文档中出现的顺序形成链表lk。

S2：利用摘要处理方法将链表lk中的每一个段落元素摘要成一组关键词集合lk_skey。

S3：利用图像场景提取方法将链表lk中的每一幅图片元素提取为一组子图片集合lk_spic。

S4：利用视频场景提取方法将链表lk中的每一幅视频元素提取为一组子视频集合lk_svd。

S5：授课人员根据所掌握要教授的知识点情况，按照链表中的顺序将临近的关键词集合lk_skey，子图片集合lk_spic和子视频集合lk_svd按照部分、全部或拆分组合成为对应的知识点，经过挑选，一组包含关键词集合skey、子图片集合spic和子视频集合svd代表一个知识点。

S6：针对一个知识点，利用图片语义信息提取方法将每个子图片spic_e_i生成一组描述关键词集合spic_e_key_i。

S7：针对一个知识点，利用视频语义信息提取方法将每个子视频svd_e_j生成一组描述关键词集合svd_e_key_j。

S8：将skey集合，所有spic_e_key_i集合以及所有svd_e_key_j集合进行文本聚类，形成一组聚类的簇，每个簇可表示为cluster_k，由一组关键词构成。

S9：每个簇构成一个知识元素，其中知识元素中的文本来自簇中属于skey集合的关键词，图片来自簇中属于spic_e_key_i集合关键词对应的子图片，视频来自簇中属于svd_e_key_j集合关键词对应的子视频。

S10：生成所有知识元素后，即KE集合生成完毕，授课人员依据知识元素关系建立KER集合，赋予两两知识元素关系、关系描述和关系类别。

在一个实施例中，提供了一种基于一体化异构知识点的人机交互方法，该方法用于通过合适的交互方法利用上述异构知识点一体化表示方法构建的一体化异构知识点提升学习效果，该方法包括：

步骤500：根据一体化异构知识点，采用屏幕显示和鼠标互动为交互方法，将一体化异构知识点的知识元素简洁的显示在屏幕上，并配合鼠标进行具体内容的显示。

在其中一个实施例中，步骤500还包括：将一体化异构知识点的每个知识元素在计算机屏幕上绘制圆形，在圆形的中心绘制知识元素的名称；在一体化异构知识点的每个知识元素关系中提取两个知识元素的标识，并将每个对应到所在的知识元素，绘制线条连接两个知识元素；根据所有的关系种类，生成每一种关系的线条样式，并根据当前知识点中知识元素关系类型依据线条样式重新渲染线条；设定当鼠标悬停在知识元素上时，通过知识元素标识检索结构体，并读取文本地址、图片地址以及视频地址所在的数据，将对应的文本、图片和视频以小窗体形式同时显示，其中视频自动播放；设定当鼠标悬停在知识元素关系线条上时，通过知识元素关系标识检索结构体，读取关系描述，并在线条上绘制关系描述。

在其中一个实施例中，基于一体化异构知识点的人机交互方法还包括：判断当知识元素关系存在顺序关系时，按照顺序关系绘制知识元素、知识元素关系及后续知识元素直至顺序关系遍历完毕。

该一体化知识点的人机交互方法，以屏幕显示和鼠标互动为交互方法，将知识元素简洁的显示在屏幕上，配合鼠标进行具体内容的显示，该交互方法可以极大的增强学员对知识点的理解程度。另外，还阐述了按照顺序播放的方法，更加提高学员对知识元素之间关系的认知。

在另一个实施例中，在构建了一体化知识点后，需要通过合适的交互方法利用所构建的模型提升学习效果。交互方法的具体步骤包括：

S1：针对每个知识元素ke_i，将其在计算机屏幕上绘制圆形，圆形的中心绘制该知识元素的名称kename_i。

S2：针对每个知识元素关系ker_j，提取其中的两个知识元素的标识，并将每个对应到所在的知识元素，然后绘制条线连接此两个知识元素。

s3：根据所有的关系种类，生成每一种关系的线条样式，再根据当前知识点中知识元素关系类型依据线条样式重新渲染线条。

S4：设定当鼠标悬停在知识元素上时，通过知识元素标识检索结构体，并读取txaddr、picaddr、vdaddr所在的数据，将对应的文本、图片和视频以小窗体形式同时显示，其中视频自动播放。

S5：设定当鼠标悬停在知识元素关系线条上时，通过知识元素关系标识检索结构体，读取rdesc，并在线条上绘制描述rdesc。

S6：判断当知识元素关系存在顺序关系时，提供播放功能，即，按照顺序关系绘制知识元素、知识元素关系及后续知识元素直至顺序关系遍历完毕。

应该理解的是，虽然图1和图3-5的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1和图3-5中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (9)

1.一种异构知识点一体化表示方法，其特征在于，所述方法包括：

构建知识元素模型，所述知识元素模型包括：一段有限文本、一组图片以及一组视频；

构建知识元素关系模型，所述知识元素关系模型包括：第一知识元素、第二知识元素以及所述第一知识元素与所述第二知识元素之间的关系类型；

获取在线职业教育中的异构知识点；所述异构知识点包括：教学文本、图片以及视频；

采用所述知识元素模型表示所述异构知识点，得到知识元素集合；

采用所述知识元素关系模型表示所述异构知识点中两个知识元素之间的描述，得到知识元素关系集合；

根据所述知识元素集合和所述知识元素关系集合，得到一体化异构知识点；所述一体化异构知识点包括：所述异构知识点中各个知识元素的集合和所述知识元素关系集合。

2.一种异构知识点一体化模型的存储方法，其特征在于，所述方法包括：

获取存储介质的最小存储字节，以及获取权利要求1所述的一体化异构知识点；

根据一体化异构知识点中的知识元素的集合中的每个知识元素，构建知识元素结构体；所述知识元素结构体包括：知识元素名称、知识元素中文本URL、知识元素中图片URL以及知识元素中视频URL；

根据一体化异构知识点中的知识元素的集合中的每个知识元素关系，构建知识元素关系结构体；所述知识元素关系结构体包括：第一知识元素的标识、第二知识元素的标识、第一知识元素与第二知识元素的关系描述以及关系类型；

将所有所述知识元素结构体和所述知识元素关系结构体存储至存储介质中。

3.根据权利要求2所述的方法，其特征在于，将所有所述知识元素结构体和所述知识元素关系结构体存储至存储介质中，包括：

将所有所述知识元素结构体按照知识元素标识降序进行排序，并顺序存储至存储介质中；

将所有所述知识元素关系结构体按照第一知识元素的知识元素标识降序进行排序，并顺序存储至存储介质中。

4.一种一体化异构知识点的检索方法，其特征在于，所述方法包括：

获取检索条件，以及按照权利要求3所述异构知识点一体化模型的存储方法存储的一体化异构知识点；

根据所述检索条件，在所述一体化异构知识点中查询知识元素名称及与所述知识元素关联的全部知识元素标识。

5.根据权利要求4所述的检索方法，其特征在于，检索条件为给定的知识元素标识；

根据所述检索条件，在所述一体化异构知识点中查询知识元素名称及与所述知识元素关联的全部知识元素标识，包括：

读取知识元素结构体中的知识元素标识，将所述知识元素标识作为知识元素检索关键字，并将所述知识元素标识对应的知识元素存储地址作为检索值；

根据所述知识元素检索关键字和所述检索值构建检索树，得到知识元素索引；

读取知识元素关系结构体中的第一元素标识和第二元素标识，将所述第一元素标识和所述第二元素标识进行字符串拼接作为知识元素关系检索关键字，并将所述知识元素关系结构体对应的知识元素关系的存储地址作为知识元素关系检索值；

根据所述知识元素关系检索关键字和所述知识元素关系检索值构建树，得到知识元素关系索引；

利用知识元素索引检索条件，得到检索条件对应的存储地址，并读取存储地址对应的结构体，提取对应结构体的知识元素名称，并将其作为查询出的知识元素名称；

利用知识元素关系索引，设计区间查询条件，得到一组地址；读取每个地址对应的知识元素关系结构体，并提取出知识元素关系结构体中的知识元素标识，并将其作为查询出的关联的知识元素标识。

6.一种一体化异构知识点半自动生成方法，其特征在于，所述方法用于根据大量的在线职业教育用的文档和PPT，利用文、图、视频共存的特点生成权利要求1所述的一体化异构知识点；所述方法包括：

获取教育资源数据，所述教育资源数据包括：文档和PPT；

将所述文档和PPT中的文字、图片和视频按照出现顺序分别进行抽取，并将文字、图片、视频按照在文档中出现的顺序形成链表；

根据所述链表，分别采用摘要处理方法、图像场景提取方法以及视频场景提取方法，得到一组关键词集合、一组子图片集合以及一组子视频集合；

用户根据知识点，按照所述链表中的顺序将临近的所述关键词集合、所述子图片集合以及所述子视频集合按照部分、全部或拆分组合成为对应的知识点，所述知识点包括：所述关键词集合、所述子图片集合以及所述子视频集合；

将一个知识点，分别采用图片语义信息提取方法和视频语义信息提取方法进行处理，分别得到一组描述图片关键词集合和一组描述视频关键词集合；

根据所述关键词集合、所有所述描述图片关键词集合以及所有描述视频关键词集合，采用文本聚类，得到一组簇；

将每一个簇构建成一个知识元素，所述知识元素的文本属于簇中所述关键词集合的关键词，图片是与所述关键词对应的所述描述子图关键词集合中的子图片，视频是与所述关键词对应的所述描述子视频关键词集合中的子视频；

在知识元素构建完成后，用户依据知识元素关系建立知识元素关系集合，赋予两两知识元素关系、关系描述和关系类别。

7.一种基于一体化异构知识点的人机交互方法，其特征在于，所述方法用于通过合适的交互方法利用权利要求1所述方法构建的一体化异构知识点提升学习效果，所述方法包括：

根据所述一体化异构知识点，采用屏幕显示和鼠标互动为交互方法，将所述一体化异构知识点的知识元素简洁的显示在屏幕上，并配合鼠标进行具体内容的显示。

8.根据权利要求7所述的方法，其特征在于，根据所述一体化异构知识点，采用屏幕显示和鼠标互动为交互方法，将所述一体化异构知识点的知识元素简洁的显示在屏幕上，并配合鼠标进行具体内容的显示，包括：

将所述一体化异构知识点的每个知识元素在计算机屏幕上绘制圆形，在圆形的中心绘制所述知识元素的名称；

在所述一体化异构知识点的每个知识元素关系中提取两个知识元素的标识，并将每个对应到所在的知识元素，绘制线条连接两个知识元素；

根据所有的关系种类，生成每一种关系的线条样式，并根据当前知识点中知识元素关系类型依据线条样式重新渲染线条；

设定当鼠标悬停在知识元素上时，通过知识元素标识检索结构体，并读取文本地址、图片地址以及视频地址所在的数据，将对应的文本、图片和视频以小窗体形式同时显示，其中视频自动播放；

设定当鼠标悬停在知识元素关系线条上时，通过知识元素关系标识检索结构体，读取关系描述，并在线条上绘制关系描述。

9.根据权利要求8所述的方法，其特征在于，所述方法还包括：

判断当知识元素关系存在顺序关系时，按照顺序关系绘制知识元素、知识元素关系及后续知识元素直至顺序关系遍历完毕。

Images