细粒度课程知识元组织模型及知识图谱实现

吉林大学学报(信息科学版) ›› 2019, Vol. 37 ›› Issue (5): 526-532.

细粒度课程知识元组织模型及知识图谱实现

袁满，仇婷婷，胡超

东北石油大学计算机与信息技术学院，黑龙江大庆163000

出版日期:2019-09-24 发布日期:2019-12-23
作者简介:袁满( 1965— ) ，男，吉林农安人，东北石油大学教授，博士生导师，主要从事数据工程理论与技术、数据标准化与信息集成、大数据与知识图谱研究，( Tel) 86-15765959186( E-mail) yuanman@ nepu． edu． cn。
基金资助:
黑龙江省哲学社会科学规划研究基金资助项目( 19EDE334 ) ; 黑龙江省教育厅国基培育基金资助项目( 2017PYYL-06) ; 东北石油大学研究生创新科研基金资助项目( JYCX_CX07_2018_2)

Fine-Grained Course Knowledge Meta-Organization Model and Knowledge Graph Implementation#br#

YUAN Man，QIU Tingting，HU Chao

School of Computer and Information Technology，Northeast Petroleum University，Daqing 163000，China

Online:2019-09-24 Published:2019-12-23

摘要/Abstract

摘要： 为解决目前数字网络课程知识碎片化、语义关系缺乏等问题，提出将知识的控制单位深入到知识元层面，结合CELTS 标准构建细粒度课程知识元组织模型，再采用精细化加工理论对教学内容进行编排与设计。定义了知识元、知识链和知识单元之间的逻辑关系，构建了C 语言课程知识图谱，通过Neo4j 可视化知识元粒度以及知识元之间的关系。实践表明，知识元和知识图谱结合可有效表示知识之间的逻辑关系，提高知识之间的关联性。

关键词: 知识组织, 知识元粒度, 知识链, 知识图谱, CELTS 标准

Abstract: In order to solve the problems of fragmentation of knowledge and lack of semantic relationship in digital network courses，to deepen the control unit of knowledge to the level of knowledge element，the finegrained curriculum knowledge element organization model is constructed in combination with CELTS standard．And then use the theory of fine processing to arrange and design the teaching content，and define the logical relationship among knowledge element，knowledge chain and knowledge unit． The knowledge graph of C course is constructed to visualize the granularity of knowledge elements and the relationship between knowledge elements through Neo4j． Practice shows that the combination of knowledge elements and knowledge graph can effectively represent the logical relationship between knowledge and improve the correlation between knowledge．

Key words: knowledge organization, knowledge element granularity, knowledge chain, knowledge graph, CELTS standard

中图分类号:

TP391． 1

袁满, 仇婷婷, 胡超. 细粒度课程知识元组织模型及知识图谱实现[J]. 吉林大学学报(信息科学版), 2019, 37(5): 526-532.

YUAN Man, QIU Tingting, HU Chao. Fine-Grained Course Knowledge Meta-Organization Model and Knowledge Graph Implementation#br#[J]. Journal of Jilin University (Information Science Edition), 2019, 37(5): 526-532.

[1]	林巍, 李思韬, 林灶钢, 叶俊敏. 基于主体语言模型的电力业务 AI 问答语义检索算法 [J]. 吉林大学学报(信息科学版), 2026, 44(2): 467-474.
[2]	陈斌, 顾珑. 基于知识图谱的设备电子信息资源精准推荐算法 [J]. 吉林大学学报(信息科学版), 2025, 43(6): 1388-1396.
[3]	王哲, 刘欢, 梁培玮. 学术文本关键词文库知识图谱实体关系抽取算法[J]. 吉林大学学报(信息科学版), 2025, 43(5): 1119-1127.
[4]	康冰, 段纪鲁, 卢辉遒. 慢性疾病健康问答系统的构建方法[J]. 吉林大学学报(信息科学版), 2025, 43(4): 801-806.
[5]	袁满, 赵兴雨, 袁靖舒, 马茁然. 多特征融合的油气勘探领域命名实体识别与应用[J]. 吉林大学学报(信息科学版), 2025, 43(2): 401-411.
[6]	陈正非, 席皛, 李志勇, 杨航, 张啸成, 张永刚. 基于多源数据融合的电建知识图谱构建研究[J]. 吉林大学学报(信息科学版), 2024, 42(5): 921-929.
[7]	高巍, 江运龙. 融合多算法评估中英文知识图谱外延简洁性新方法[J]. 吉林大学学报(信息科学版), 2024, 42(2): 348-355.
[8]	曹捷, 阙小生, 李慎兴, 范永学, 李兴, 宋文志. 基于知识图谱技术的配电站房智能运检[J]. 吉林大学学报(信息科学版), 2023, 41(3): 474-483.
[9]	贾晨晓 , 欧阳丹彤. 多重语义融合的关系分类模型[J]. 吉林大学学报(信息科学版), 2023, 41(1): 50-56.
[10]	刘玲玲, 陈晓玲, 李贺南, 李雪. 电子支付领域的研究热点分析[J]. 吉林大学学报(信息科学版), 2022, 40(6): 1045-1049.
[11]	李子恒, 叶育鑫, 曹玲玲, 刘思培. 基于映射规则的数据产品自动生成方法及系统[J]. 吉林大学学报(信息科学版), 2021, 39(4): 403-408.
[12]	袁满, 李盛锐, 刘小野. 地质知识图谱标准化模型研究[J]. 吉林大学学报(信息科学版), 2021, 39(2): 215-222.
[13]	刘思培, 蔡一凡, 曹玲玲, 侯海婷, 鲍家坤, 袁鸯. 基于知识图谱的查询语句重写机制及方法[J]. 吉林大学学报(信息科学版), 2021, 39(1): 87-93.
[14]	袁满, 褚冰, 肖垚. 基于叙词表的油藏构造知识图谱[J]. 吉林大学学报(信息科学版), 2020, 38(1): 72-78.
[15]	陈晓玲, 全志薇, 张慧, 武晓敏, 岑丹. 基于科学知识图谱的辽宁省区域研究热点分析[J]. 吉林大学学报(信息科学版), 2018, 36(6): 666-673.