CN116028647A - 基于知识图谱的融合教育智能评语方法及系统 - Google Patents
基于知识图谱的融合教育智能评语方法及系统 Download PDFInfo
- Publication number
- CN116028647A CN116028647A CN202310095091.0A CN202310095091A CN116028647A CN 116028647 A CN116028647 A CN 116028647A CN 202310095091 A CN202310095091 A CN 202310095091A CN 116028647 A CN116028647 A CN 116028647A
- Authority
- CN
- China
- Prior art keywords
- knowledge
- comment
- evaluation
- education
- abstract
- 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
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开提供了一种基于知识图谱的融合教育智能评语方法及系统,涉及人工智能技术领域,方法包括获取所有特殊学生的特殊教育的评估量表及其评估摘要数据元信息;将所述获取的特殊教育的评估量表及其评估摘要的数据元信息进行细粒度化拆分,形成评估量表、评语类型、评估摘要、发展现状及优弱势分析知识实体;根据形成的知识实体建立知识点层级关系以及知识点之间的关联关系,再根据建立的知识点层级关系及关联关系构建评语知识图谱;用户通过所选择的待分析学生的评语知识实体及评语知识图谱,智能化分析自动生成学生现状描述及优弱势并存储。本公开有效解决特殊教育领域多种评估量表数据异构、孤岛及不易使用的问题。
Description
技术领域
本公开涉及人工智能技术领域,具体涉及基于知识图谱的融合教育智能评语方法及系统。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术信息,不必然构成在先技术。
目前融合教育保障残疾人进入普通幼儿园、学校接受教育,让残障孩子和普通孩子“融合”起来、一起上课,而不是被“隔离”出去,是全球教育发展的大势所趋。在此过程中,由于普通学校老师缺乏特殊教育相关知识和资料,导致教师在工作中针对随班就读的特殊教育儿童进行评估摘要和发展现状评语描述中需额外付出较大的时间和精力。
知识图谱作为人工智能领域新兴的研究方向,从语义角度出发,通过描述客观世界中概念、实体及其关系,从而让计算机具备更好地组织、管理和理解海量信息的能力。更具体的说,在人类与互联网世界交互的过程中,产生了繁杂庞大的信息,这些信息一般被图片、声音、文字及视频这些数据载体保存。通过知识图谱建立复杂、异构数据间的关联及联系,精准挖掘找到数据背后隐藏的有价值的知识,打破数据孤岛,在用户需要的时候提供知识服务。
知识图谱虽然可以有效解决数据孤岛问题,但是目前对于融合教育领域中针对特需儿童常用的各种评估量表及其评估摘要数据尚未形成完善的知识体系,以至于普通学校教师针对特需儿童进行评估时面临评估量表数据不易使用的问题。
发明内容
本公开为了解决上述问题,提出了基于知识图谱的融合教育智能评语方法及系统,通过对特殊教育领域具有多源异构、不易使用的常用评估量表及评估摘要数据做碎片化细粒度拆分,建立评估量表、评语类型、细粒度评语知识点层级关系,以及知识点之间的关联关系,形成融合教育领域高可用的评语知识图谱,解决特殊教育领域多种评估量表数据异构、孤岛及不易使用的问题。
根据一些实施例,本公开采用如下技术方案:
基于知识图谱的融合教育智能评语方法,包括:
获取所有特殊学生的特殊教育的评估量表及其评估摘要数据元信息;
将所述获取的特殊教育的评估量表及其评估摘要的数据元信息进行细粒度化拆分,形成评估量表、评语类型、评估摘要、发展现状及优弱势分析知识实体;
根据形成的知识实体建立知识点层级关系以及知识点之间的关联关系,再根据建立的知识点层级关系及关联关系构建评语知识图谱;
用户通过所选择的待分析学生的评语知识实体及评语知识图谱,智能化分析自动生成学生现状描述及优弱势并存储。
根据一些实施例,本公开采用如下技术方案:
基于知识图谱的融合教育智能评语系统,包括:
数据获取模块,用于获取所有特殊学生的特殊教育的评估量表及其评估摘要数据元信息;
数据处理模块,用于将所述获取的特殊教育的评估量表及其评估摘要的数据元信息进行细粒度化拆分,形成评估量表、评语类型、评估摘要、发展现状及优弱势分析知识实体;根据形成的知识实体建立知识点层级关系以及知识点之间的关联关系,再根据建立的知识点层级关系及关联关系构建评语知识图谱;
评语生成模块,用于使用户通过所选择的待分析学生的评语知识实体及评语知识图谱,智能化分析自动生成学生现状描述及优弱势并存储。
根据一些实施例,本公开采用如下技术方案:
一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质用于存储计算机指令,所述计算机指令被处理器执行时,实现所述的基于知识图谱的融合教育智能评语方法。
根据一些实施例,本公开采用如下技术方案:
一种电子设备,包括:处理器、存储器以及计算机程序;其中,处理器与存储器连接,计算机程序被存储在存储器中,当电子设备运行时,所述处理器执行所述存储器存储的计算机程序,以使电子设备执行实现所述的基于知识图谱的融合教育智能评语方法。
与现有技术相比,本公开的有益效果为:
本公开基于知识图谱的融合教育领域智能评语方法容纳特殊教育常用多种评估量表,提取知识实体和关系形成评语知识图谱,可有效解决特殊教育领域多种评估量表数据异构、孤岛及不易使用的问题;同时极大地减少了普通学校教师面对特需儿童进行评估时的工作压力。降低了普通学校教师面对特需儿童的实施评估和干预的门槛,提高易用性,减少了普通学校教师的工作压力;
本公开基于知识图谱的融合教育领域智能评语方法提供了一种可进行特殊教育常用评估量表的知识图谱化的思路和框架,开发者可进行灵活定制开发,如根据实际需求增加评估量表,扩充评语知识图谱。
附图说明
构成本公开的一部分的说明书附图用来提供对本公开的进一步理解,本公开的示意性实施例及其说明用于解释本公开,并不构成对本公开的不当限定。
图1为本公开一个实施例的智能评语的软件模块示意图;
图2为本公开一个实施例的智能评语系统流程示意图。
具体实施方式:
下面结合附图与实施例对本公开作进一步说明。
应该指出,以下详细说明都是例示性的,旨在对本公开提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本公开的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
实施例1
本公开的一种实施例中提供了一种基于知识图谱的融合教育智能评语方法,包括:
步骤一:获取所有特殊学生的特殊教育的评估量表及其评估摘要数据元信息;
步骤二:将所述获取的特殊教育的评估量表及其评估摘要的数据元信息进行细粒度化拆分,形成评估量表、评语类型、评估摘要、发展现状及优弱势分析知识实体;根据形成的知识实体建立知识点层级关系以及知识点之间的关联关系,再根据建立的知识点层级关系及关联关系构建评语知识图谱;
步骤三:用户通过所选择的待分析学生的评语知识实体及评语知识图谱,智能化分析自动生成学生现状描述及优弱势并存储。
作为一种实施例,本公开的方法同时执行在云端和边缘端,如图1所示,其中评语知识图谱与知识服务可通过py2neo框架快速建立知识库链接,评语知识图谱所在NEO4J图数据库部署于云端设备,边缘端设备运行评语知识服务及存储用户数据,保证用户私有数据不出本地,以保护用户隐私。
边缘端用户数据主要包括评估摘要表及发展现状表,其中:
评估摘要表,主要包括评估工具、评估摘要、施测者/日期类别字段,如表1所示。其中评估工具为评估知识图谱的评估量表名称,评估摘要包括评语知识图谱中的评语类型和评语实体。用户可根据实际需求选择合适的评估量表、评语类型及其评语实体。
发展现状表,主要包括发展现状领域、现状描述、优弱势分析等类别字段,如表2所示。该表通过用户在评估摘要表选择的数据通过评语知识图谱和知识服务智能化生成发展现状的描述和优弱势分析。
作为一种实施例,涉及一种建立融合教育领域评估量表、评估摘要的评语知识图谱和提供评语知识服务的方法,具体步骤包括:
S1:获取所有特殊学生的特殊教育的评估量表及其评估摘要数据元信息;
S2:多种特殊教育领域评估量表的细粒度化拆分,包括评估量表、评语类型、评估摘要、发展现状及优弱势分析;将获取的特殊教育的评估量表及其评估摘要数据元信息进行细粒度化拆分中,具体将评估摘要拆分成最短句作为评语知识图谱的评语知识实体。
当前对评估量表的评估摘要拆分过程为人工在线下进行,具体是将评估摘要拆分成具备完整语义的不可再分的单句。
S3:形成评估量表、评语类型、评估摘要、发展现状及优弱势分析知识实体;根据形成的知识实体建立知识点层级关系以及知识点之间的关联关系,再根据建立的知识点层级关系及关联关系构建评语知识图谱;
将形成的所述评估量表、评语类型、评估摘要、发展现状及优弱势分析知识实体存储在NEO4J图数据库中。
S4:基于评语知识图谱,提供评估量表、评语类型、评估摘要的查询功能;基于用户所选评估摘要知识实体,基于用户在终端选择的评估摘要及在评语知识图谱中的关系,关联相应的发展现状和优弱势知识实体;;通过评语知识图谱推理自动生成发展现状描述和优弱势分析。
本公开提供了提供了相关评估量表的评估摘要数据信息及拆分与整合的知识实体表,如表1和表2所示;
表1评估摘要表
表2发展现状表
实施例2
本公开的一种实施例中提供了一种基于知识图谱的融合教育智能评语系统,包括:
数据获取模块,用于获取所有特殊学生的特殊教育的评估量表及其评估摘要数据元信息;
数据处理模块,用于将所述获取的特殊教育的评估量表及其评估摘要的数据元信息进行细粒度化拆分,形成评估量表、评语类型、评估摘要、发展现状及优弱势分析知识实体;根据形成的知识实体建立知识点层级关系以及知识点之间的关联关系,再根据建立的知识点层级关系及关联关系构建评语知识图谱;
评语生成模块,用于使用户通过所选择的待分析学生的评语知识实体及评语知识图谱,智能化分析自动生成学生现状描述及优弱势并存储。
其中,如图1所示,多个边缘服务器与云服务器相连,本公开的方法同时执行在云端和边缘端,根据本发明所提供的智能评语软硬件模块,一种基于知识图谱的融合教育智能评语方法流程如图2所示:
步骤1:云服务器获取特殊教育领域评估量表及其评估摘要数据元信息。
步骤2:评估量表及其评估摘要数据的细粒度化拆分,形成评估量表、评语类型、评估摘要、发展现状及优弱势分析知识实体。
步骤3:云服务器通过NEO4J图数据库建立知识实体及关系,形成评语知识图谱;
步骤4:用户通过边缘端提供的评语知识服务个性化选择评估量表及其评语实体,作为用户数据存储于边缘端服务器。
步骤5:边缘端服务器通过用户所选评语实体及评语知识图谱,智能化分析学生现状描述及优弱势。
实施例3
本公开的一种实施例中提供了一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质用于存储计算机指令,所述计算机指令被处理器执行时,实现所述的基于知识图谱的融合教育智能评语方法。
实施例4
本公开的一种实施例中提供了一种电子设备,包括:处理器、存储器以及计算机程序;其中,处理器与存储器连接,计算机程序被存储在存储器中,当电子设备运行时,所述处理器执行所述存储器存储的计算机程序,以使电子设备执行所述的基于知识图谱的融合教育智能评语方法。
本公开是参照根据本公开实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
上述虽然结合附图对本公开的具体实施方式进行了描述,但并非对本公开保护范围的限制,所属领域技术人员应该明白,在本公开的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本公开的保护范围以内。
Claims (10)
1.基于知识图谱的融合教育智能评语方法,其特征在于,包括:
获取所有特殊学生的特殊教育的评估量表及其评估摘要数据元信息;
将所述获取的特殊教育的评估量表及其评估摘要的数据元信息进行细粒度化拆分,形成评估量表、评语类型、评估摘要、发展现状及优弱势分析知识实体;
根据形成的知识实体建立知识点层级关系以及知识点之间的关联关系,再根据建立的知识点层级关系及关联关系构建评语知识图谱;
用户通过所选择的待分析学生的评语知识实体及评语知识图谱,智能化分析自动生成学生现状描述及优弱势并存储。
2.如权利要求1所述的基于知识图谱的融合教育智能评语方法,其特征在于,所述将获取的特殊教育的评估量表及其评估摘要数据元信息进行细粒度化拆分中,具体将评估摘要拆分成最短句作为评语知识图谱的评语知识实体。
3.如权利要求1所述的基于知识图谱的融合教育智能评语方法,其特征在于,将形成的所述评估量表、评语类型、评估摘要、发展现状及优弱势分析知识实体存储在NEO4J图数据库中。
4.如权利要求1所述的基于知识图谱的融合教育智能评语方法,其特征在于,所述智能化分析自动生成学生现状描述及优弱势的过程为:基于用户在终端选择的评估摘要及在评语知识图谱中的关系,关联相应的发展现状和优弱势知识实体。
5.如权利要求4所述的基于知识图谱的融合教育智能评语方法,其特征在于,通过所述评语知识图谱提供评估量表、评语类型、评估摘要知识实体查询功能。
6.如权利要求1所述的基于知识图谱的融合教育智能评语方法,其特征在于,所述评估摘要表包括评估工具、评估摘要、施测者及日期类别字段,所述评估工具为评估知识图谱的评估量表名称,评估摘要包括评语知识图谱中的评语类型和评语实体。
7.如权利要求1所述的基于知识图谱的融合教育智能评语方法,其特征在于,所述发展现状包括发展现状领域、现状描述、优弱势分析的类别字段,通过用户在评估摘要表选择的数据通过评语知识图谱智能化生成发展现状的描述和优弱势分析。
8.基于知识图谱的融合教育智能评语系统,其特征在于,包括:
数据获取模块,用于获取所有特殊学生的特殊教育的评估量表及其评估摘要数据元信息;
数据处理模块,用于将所述获取的特殊教育的评估量表及其评估摘要的数据元信息进行细粒度化拆分,形成评估量表、评语类型、评估摘要、发展现状及优弱势分析知识实体;根据形成的知识实体建立知识点层级关系以及知识点之间的关联关系,再根据建立的知识点层级关系及关联关系构建评语知识图谱;
评语生成模块,用于使用户通过所选择的待分析学生的评语知识实体及评语知识图谱,智能化分析自动生成学生现状描述及优弱势并存储。
9.一种非暂态计算机可读存储介质,其特征在于,所述非暂态计算机可读存储介质用于存储计算机指令,所述计算机指令被处理器执行时,实现如权利要求1-7任一项所述的基于知识图谱的融合教育智能评语方法。
10.一种电子设备,其特征在于,包括:处理器、存储器以及计算机程序;其中,处理器与存储器连接,计算机程序被存储在存储器中,当电子设备运行时,所述处理器执行所述存储器存储的计算机程序,以使电子设备执行实现如权利要求1-7任一项所述的基于知识图谱的融合教育智能评语方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310095091.0A CN116028647A (zh) | 2023-02-07 | 2023-02-07 | 基于知识图谱的融合教育智能评语方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310095091.0A CN116028647A (zh) | 2023-02-07 | 2023-02-07 | 基于知识图谱的融合教育智能评语方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116028647A true CN116028647A (zh) | 2023-04-28 |
Family
ID=86075855
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310095091.0A Pending CN116028647A (zh) | 2023-02-07 | 2023-02-07 | 基于知识图谱的融合教育智能评语方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116028647A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117540035A (zh) * | 2024-01-09 | 2024-02-09 | 安徽思高智能科技有限公司 | 一种基于实体类型信息融合的rpa知识图谱构建方法 |
-
2023
- 2023-02-07 CN CN202310095091.0A patent/CN116028647A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117540035A (zh) * | 2024-01-09 | 2024-02-09 | 安徽思高智能科技有限公司 | 一种基于实体类型信息融合的rpa知识图谱构建方法 |
CN117540035B (zh) * | 2024-01-09 | 2024-05-14 | 安徽思高智能科技有限公司 | 一种基于实体类型信息融合的rpa知识图谱构建方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111522994B (zh) | 用于生成信息的方法和装置 | |
CN109710703A (zh) | 一种血缘关系网络的生成方法及装置 | |
CN107193948A (zh) | 人机对话数据分析方法及装置 | |
CN111949800A (zh) | 一种开源项目知识图谱的建立方法和系统 | |
CN113886567A (zh) | 一种基于知识图谱的教学方法及系统 | |
CN116028647A (zh) | 基于知识图谱的融合教育智能评语方法及系统 | |
CN110442730A (zh) | 一种基于deepdive的知识图谱构建方法 | |
CN111177398B (zh) | 一种组织架构更新方法及装置 | |
CN113886606A (zh) | 一种基于知识图谱的数据标注方法、装置、介质及设备 | |
US11095953B2 (en) | Hierarchical video concept tagging and indexing system for learning content orchestration | |
CN112231554A (zh) | 一种搜索推荐词生成方法、装置、存储介质和计算机设备 | |
CN111159411B (zh) | 一种融合知识图谱的文本立场分析方法、系统及存储介质 | |
CN116467433A (zh) | 面向多源数据的知识图谱可视化方法、装置、设备及介质 | |
CN115757720A (zh) | 基于知识图谱的项目信息搜索方法、装置、设备和介质 | |
Hecking et al. | A network based approach for the visualization and analysis of collaboratively edited texts. | |
CN115794869A (zh) | 语义查询可视化构建与生成的实现方法及装置 | |
CN106991503B (zh) | 一种基于step的大数据科普科教方案智能定制方法 | |
CN112364096B (zh) | 基于复杂网络的高维元数据管理系统和方法 | |
CN114519106A (zh) | 一种基于图神经网络的文档级实体关系抽取方法及系统 | |
Malburg et al. | Query Model and Similarity-Based Retrieval for Workflow Reuse in the Digital Humanities. | |
Patel et al. | College enquiry chatbot using conversational AI | |
Cantabella et al. | Searching for behavior patterns of students in different training modalities through Learning Management Systems | |
CN113434658A (zh) | 火电机组运行问答生成方法、系统、设备及可读存储介质 | |
Toth | Online learning behavior and web usage mining | |
CN108984666A (zh) | 数据处理方法、数据处理装置和服务器 |
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 |