构建课程知识图谱的重要性研究——以“数据结构”课程为例

迪丽努尔·克依木

新疆师范大学，新疆乌鲁木齐，830054

在传统的教学模式中，由于学生在知识基础、认知能力、兴趣等方面的差异，造成其对知识结构的组织方式也不尽相同。一般学生在学习过程中，都能发现知识的关系，并把新旧知识连接在一起。但部分大学生知识结构不完整、知识联系不清，不能形成系统的理解。长期下去，学生的学习和思考能力就会出现停滞，从而影响了学生的学习和思考能力的提升，更别说实施个性化教学了。从以上两方面来看，无论是对传统的教学，还是对网上的教学，都需要对课程知识点的相互关系进行分析。知识图谱可视化技术展示了各知识点的分布状态及其相互关系。这样就可以帮助学生对相关知识点进行系统的理解，帮助他们建立起知识的联系。另外，在互联网教学中，将会为个性化的推荐学习提供极大的帮助，因此，建立一个教育领域的知识图谱是非常有必要的。

维基百科清晰地指出了知识图谱的内涵，也就是Google用于强化其搜索引擎的知识库[1]。谷歌公司使用它是因为它可以让谷歌搜索引擎的相关功能得到拓展和提升，让用户拥有更好的体验感。谷歌的知识图谱最早是在2012推出的，它以freebase网站的服务为基础，捕获与应用维基百科以及类似的更多数据发源地的数据，最后创造出了知识图谱。两年过后，谷歌公司对知识图谱下了定义，之后将知识图谱的功能融合到了搜索引擎中，提高了谷歌搜索引擎的搜索能力，有助于用户更精准、更迅速地获取自己需求的知识和资讯。其他搜索引擎公司也迈进了知识图谱的探索领域[2]，就像facebook研发出了facebook社会图表知识图谱，而我们国家的Baidu公司也研发出自己的知心知识图谱，还有Sogou公司的知立方知识图谱等。经过不断的探索和开发，它慢慢地被扩展到了其他行业，就像在AI问答、个性化传播等智能信息的运用，知识图谱形成的学术价值以及商业价值巨大[3]。

近年来，学术界和工业界都建立了自己的知识图谱，根据应用可以将其分为两个主要类别[4]：一种是通用知识图谱，也称为开放领域知识图谱。通俗地讲就是大众版，其没有特别深的行业知识及专业内容，通常解决科普知识和常识性问题，适合互联网的大规模搜索、问答以及推荐。还有一种就是行业知识图谱，也被称作特定领域知识图谱以及垂直领域知识图谱。简单来说，其指的是专业版，经过深层次调研某个领域或子领域并编制相应的版本，应对专业问题，是目前知识图谱更具价值的研究方向[5]。

就目前的研究现状来看，国内外在构建通用知识图谱方面获取了一定的成效，比如，从国外的通用知识图谱角度出发，由Cyc公司1984年开始创建推出的常识知识库，其规模最大，经典的常识知识有“Every tree is a plant”“Plants die eventually”等；
另外还有：Princeton 大学知识科学实验室自20世纪80年代研发的应用在语句消除分歧方面的WordNet词典知识库（主要用于词义消歧）、2010年被谷歌公司收购的MateWeb公司开发的Freebase知识图库（完全免费并允许商业化的开放许可协议）、被维基媒体基金会倡导能够自己制作编写的包含很多国家语种的百科知识库Wikidata知识图谱（目标是构件全世界最大的免费知识库,但是仍然面临知识缺失严重的问题）以及如今国际上包含领域最多的各种语种百科同义词典BabelNet知识图谱等[6]。而在中国，就知识图谱的开发而言，也取得了一定的成效：Baidu公司研发出了大规模知识图谱；
Sogou公司制造出了知立方图谱；
清华大学得到了XLore知识图谱；
复旦大学研发了CN-DBpedia知识图谱（中文通用百科知识图谱），信息的搜集主要源于中文百科类网站的文本资讯，经过过滤、融合和推断后，形成高质量的结构化数据，供人和机器使用；
上海交通大学推出的利用百度百科、互动百科和维基百科等三个知识库做成类似于DBpedia的中文百科Zhishi.me，是国内构建的最早的知识库[7]。

相对于国内外在通用知识图谱上取得的成效，我国在知识图谱领域缺少专业数据，获取的成效存在一定的缺陷[8]。现如今研发的知识图谱中，相对成熟的领域十分稀少，仅有欧洲联盟的重要合作研究项目药物领域的知识图谱Open PHACTS、医疗领域的知识图谱体重指数的Watson机器人。根据《2018知识图谱发展报告》，我国在电商、企业商业、图情、创投四个领域均在开展知识建模[9]。

总的来说，尽管目前知识图谱研究方面可谓是硕果累累，而且许多科研发现都转化成了商业利润，例如语义检索、智能问答、语境分析、还有智能知识体系等。然而，研究知识图谱及其使用价值依然很有意义。①中文句子的识别、中文关系抽取较英文语法复杂很多，在中文知识图谱的研究和应用方面仍有很大的发展空间。并且目前互联网高速发展，人工智能不断向深研究，也从侧面验证了中文知识图谱的商业应用价值以及学术研究价值相对较高[10]。②对比通用知识图谱，成熟的领域知识图谱需要更为专业的、深入行业的人员来建立，而且领域知识图谱覆盖的行业相对宽泛，其调研价值相对较高。简单来说，从中文角度出发，选取某一领域，比如在这篇文章中的课程构建知识图谱，建立领域知识图谱具有很大的研究价值和发展前景[11]。

知识图谱具有强大的语义处理能力，能够在互联网的网页上建立概念之间的连接关系，以最小的代价可以将互联网上有价值的信息组织起来；
知识图谱还具有强大的开放互联能力，能够不断地加入互联网中新增的信息。凭借这些功能，知识图谱在检索和教育等领域将会有出色的表现。教育知识图谱能够将学科知识和教学资源借助标准化的、形式化的手段密切关联在一起，进而完成在线教育资源的合理组织。

在大学教育时期，国内著名的课程在线学习平台，如学堂在线、中国大学MOOC（幕课）、精品课程等，绝大多数是对优质课程视频学习资源的描述，展示了不同课程的联系、和知识相关的课程体系，而课程知识图谱的稀缺导致学生在课程视频学习结束以后，并未构建起完备的知识体系，学习成效并未达到预期目标。现如今，尽管大学课程和有关教材的版本丰富多彩，但课程知识图谱的构建离不开各行业专业的交流与制造，其操作十分严苛、复杂，并且知识更新十分迅速，因此现如今大学课程缺少知识图谱的构建。

当今，网络信息资源数量在不断递增，传统的知识组织结构十分分散，但用户在知识服务方面的需要也在不断递增，因此两者之间存在一定的矛盾。在知识图谱技术出现以后，其与用户的认知需求相互适应，对比传统人工组织某学科领域发展的宏观状况，知识图谱技术的效率相对较高，并且十分合理，所以知识图谱的出现是社会发展的必然。

从教育领域角度出发，知识图谱不仅能够帮助学生从互联网上获取教学资源，作为自主学习的知识来源，还可以帮助学生快速分清知识点的主次关系以及它们之间的内在逻辑关系。因此，学生有效利用知识图谱能够提高学习效率，加深知识点的理解和记忆能力，从而让学校打破传统的教育模式，实现个性化教育。

随着互联网技术和人工智能技术的飞速发展，智能教学在教师的教学和学生的自主学习方面也有了很大的突破。课程的知识图谱是智能教学方式的一种体现，构建知识图谱和应用涉及自然语言处理相关的基础技术，因此构建教育领域的知识图谱不单单是教育行业钻研的焦点，也是人工智能层面的研究热点，具有实际应用价值和科研价值。

知识图谱是结构化的语义网络，能够描述生活中的概念和概念之间的关系。知识图谱的构建步骤涉及四点，分别是知识获取、知识表述、知识存储以及知识可视化。知识获取是从一些公开的结构化、半结构化和非结构化的数据中利用知识抽取技术获得实体、属性和关系等知识要素，再次结合知识交融以及知识推断等技术构建语义知识库，确保其结构化。知识抽取主要有两部分，一部分是实体抽取，也就是从选取的数据源中选取实体组织类别划分，同时把文章中的实体和知识库中的实体构建密切联系；
另一部分是关系抽取，也就是数据源中的非结构化信息，开展的是不同实体关系的抽取，最终获取各个实体的语义关系。从数据结构课程的知识图谱角度出发，知识图谱需求的理论主要源于专业书籍，相关技术网站以及部分专业知识库。

教育信息化导致共享信息资源的迅猛递增，但是学习资源的形式丰富多彩，导致学习过程中出现了知识不连贯以及知识碎片化等情形。在各种资源中，学生需要耗用庞大的精力去查询无效内容，导致学生不能迅速、准确、高效地搜集自己需求的理论，造成学生陷入了知识误区。

数据结构在计算机学科中属于专业学科，带有综合性的特点，也是编写计算机程序过程中的关键理论基石和技术手段。课程的原理十分复杂，涉及的知识点较多，学生很难梳理不同知识点的联系。在学习知识过程中，需要了解知识的排列顺序。只有了解了学习过程中的所有知识点，才可以有效地把控某一领域的有关理论。课程知识图谱实际上是精准地提取课程中的教材内容，借助图片等形式促使学科知识可视化，对学生构建清楚的课程知识体系有积极意义，同时还有助于提升知识学习的趣味性。

将数据结构教材、大纲、网络资源等作为参考依据，通过使用Python网络爬虫技术搜集并整合和课程有关的知识数据，运用知识图谱构建技术把获取到的数据转变为“实体-关系-实体”三元组，利用图数据库加以保存，设计有关算法和流程来处理数据语料库，获取并调整和数据结构学科领域有关的内涵和关联。

知识图谱对学生学习效率的提升有积极意义，运用网页信息创建学科知识图谱，公开学科知识体系，探究学科领域知识图谱的切入点十分关键。而构建数据结构课程知识图谱的创新点是运用人工智能技术来展示知识点的内容以及知识结构，指引学习者更好地认识并探究课程内容，促使学生在线学习的品质以及效率不断提升；
借助层次递进形式展示知识图谱，调整可视化页面，促使学习者可以清楚地、方便快捷地了解知识图谱。

随着“互联网+”教育的到来，各种学习平台、教学课程资源日益丰富，为学生的学习带来了极大的方便，使他们能够从课堂上获得更多知识。在广度上，知识的学习得到了持续扩展。然而，海量的学习资源也使学习者不堪重负，而大量的知识碎片又使学习者很难掌握所学的内容。如果没有正确的组织方式，就不能系统地了解所学的知识，而且还会浪费很多宝贵的时间。这会对学生的学习效果产生一定的影响。在数据结构基础上构建知识图谱则有助于应对上述难题，也就是说：知识图谱能将多个知识点结合起来，并能反映出知识点的结构和分布。