买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：华中师范大学

摘要：本发明公开了一种融入教学反馈与习得理解的知识图谱构建方法，该方法包括以下步骤：1数据获取：将课堂学生行为转换为描述学生对当前知识的理解程度的文本；2命名实体识别和关系抽取，对课堂文本数据同时做实体识别和关系抽取得到一个有关系的实体三元组；3将实体和关系嵌入通过带权图卷积网络汇聚邻居节点的信息学习到实体和关系更加丰富的语意表示形成最终的实体嵌入表示；4通过多尺度卷积神经网络对知识图谱三元组中的备选尾实体评分，选取评分最高尾实体作为推理结果，进一步推理出隐含的知识，对知识图谱进行更新；所述备选尾实体为步骤3中所更新的所有实体。本发明能够构建每个学生特定的知识图谱，进行学习和教学评价反馈。

主权项：1.一种融入教学反馈与习得理解的知识图谱构建方法，其特征在于，包括以下步骤：1数据获取：将课堂学生行为转换为描述学生对当前知识的理解程度的文本；1.1获取教育部考试大纲，课标教材，试题集数据并转化为文本数据，获取知识点集合；1.2根据课堂教学视频和知识点集合使用语音识别技术识别出教师讲解的知识点，并在相应时间的课堂图像信息中标注该知识点标签；1.3根据课堂教学视频采用预训练好的图像萃取模型，萃取相应知识点下的课堂学生表情活动，获得知识点下图像萃取模型输出对应学生表情图片的文本信息；具体如下：1.3.1学生表情活动为高兴，判断学生理解当前知识点，图像萃取模型输出为理解；1.3.2学生表情活动为惊讶，判断学生不完全理解当前知识点，图像萃取模型输出为学生不完全理解；1.3.3学生表情活动为恐惧或悲伤，判断学生不理解当前知识点，图像萃取模型输出为不理解；1.3.4学生表情活动为厌恶或愤怒，判断学生对当前知识点没有兴趣，图像萃取模型输出为没有兴趣；获得知识点下图像萃取模型输出对应学生的理解程度的文本信息；1.4结合步骤1.2和1.3，将某一知识点下的课堂学生表情行为图片数据，转换为一段描述学生对当前知识点的理解程度的课堂文本；2命名实体识别和关系抽取，对课堂文本数据同时做实体识别和关系抽取得到一个有关系的实体三元组；3将实体三元组中的实体和关系嵌入通过带权图卷积网络汇聚邻居节点的信息学习到实体和关系更加丰富的语意表示形成最终的实体嵌入表示；具体如下：将初步形成的初步知识表示嵌入向量按照带权向量图卷积网络对知识进行更新以获得存在关系路径和邻居节点信息的节点和关系嵌入表示；在知识更新过程中，每一层的节点特征都是由上层节点特征和关系得到的，每个节点的更新都是由邻居节点特征和自身特征进行加权得到的新特征；其更新方式为：其中，l为图卷积过程中的第l层，为隐藏层l的节点vi，是节点vi的邻居节点，Ni为邻居节点集合，σ为激活函数，c表示正则化常量；g表示一个线性转换αr为线性转换g的权重向量；4通过多尺度卷积神经网络对知识图谱三元组中的备选尾实体评分，选取评分最高尾实体作为推理结果，进一步推理出隐含的知识，对知识图谱进行更新；所述备选尾实体为步骤3中所更新的所有实体。

全文数据：

权利要求：

百度查询： 华中师范大学 一种融入教学反馈与习得理解的知识图谱构建方法