基于知识图谱的课程知识体系构建到学习者画像生成及应用技术研究

信息化教学飞速发展，如何将人工智能技术应用于教育领域中，强化信息化教学手段是急需解决的问题。本文面向教育领域，首先提出了一种基于知识图谱的从课程知识体系建立、学习者画像生成到自适应学习推荐的完整技术框架，并以计算机网络等课程为例对知识图谱的构造技术进行了示例；其次，在自适应学习推荐中利用RippleNet算法实现了学习推荐，并通过实验验证了该算法具有较高的准确度；最后，总结归纳了教育知识图谱的主要应用方法，对教育知识图谱的构建及应用具有一定的指导意义。

未来将是知识互联的阶段，利用知识图谱能够实现对各领域数据中知识语义的解释和表达。在教学领域中，每门课程的信息中不仅包含其自身的语义知识点，还包含各类相关的信息化教学资源，诸如网络课程、虚拟仿真、微课视频等。如何帮助学生明确学习需求，在众多的知识点中规划合理的学习路径， 提高对教学资源的利用率，解决信息化教学资源的自适应问题具有重要的研究价值。

教育知识图谱是近些年将知识图谱技术应用于教育信息化的新研究方向。它指的是教育领域的知识域可视化，实际是对教学领域之中一系列概念及其相互之间关系的形式化表达。基于知识图谱的教育把目光转移到知识点上，从大量无序的信息资源中重构知识之间的联接，有效组织各学科的知识体系而试图通过更底层的知识点掌握情况，帮助理清知识脉络。

然而目前教育知识图谱技术的研究主要还集中在知识实体的构建上，对于教育知识图谱从构建再到最后的应用尚未有完整的技术框架描述；在教育知识图谱的自适应推荐中，目前的推荐算法都难于发现学习者潜在学习兴趣；在教育应用中还停留于技术层面，没有对如何应用进行具体描述。本文针对以上问题，首先提出了教育知识图谱构建及应用的完整技术框架，基于TextRank 算法实现对课程的知识体系构建， 然后利用学习标签挖掘方法实现学习者画像生成， 最后基于RippleNet 算法实现教育图谱中的自适应学习推荐，并描述了知识图谱技术在实现个性化学习中的具体应用方法。

2. 相关工作 知识图谱表达了实体、概念及其之间的语义关系，是语义知识表示的方式之一，本质上可以理解为是实现机器语言认知的语义网络知识库。它不仅是知识表示，背后更蕴含了知识。现有的大规模知识图谱，国外主要有 Yago、Dbpedia、Freebase、谷歌知识图谱和Nell。这些知识图谱中包含的事实数量均是亿级。国内主要有百度知心、搜狗知立方、阿里巴巴知识库等[1]。

本文中所指的教育知识图谱是指采用“节点–线”的图形式，对教育领域的课程数据和学习数据进行语义化组织和表示的方式。以这种结构化的图数据存储方式来表示教育领域知识，能够更加便于计算机“理解”。目前，教育知识图谱主要分为静态知识图谱和动态事理图谱两类。静态知识图谱是以教学资源中涉及的关键元素信息为实体、以教学元素间的关系为边，形成的知识图谱网络；动态事理图谱是