Construction and Application of Discipline Knowledge Graph in Personalized Learning

doi:10.3778/j.issn.1002-8331.2209-0345

Abstract

Abstract: The discipline knowledge graph is an important tool to support teaching activities based on big data, artificial intelligence and other technologies. As a kind of discipline knowledge semantic network, it contributes to the development of personalized learning systems and the promotion of new infrastructure for digital education resources. Firstly, this paper outlines the concept and classification of knowledge graph. Secondly, this paper summarizes the concept, characteristics, advantages, connotation and the support for personalized learning of discipline knowledge graph. Nextly, this paper focuses on the sorting of construction process of discipline knowledge graph：discipline ontology construction, discipline knowledge extraction, discipline knowledge fusion and discipline knowledge processing, and it also introduces the application of discipline knowledge graph in personalized learning situations and the challenges. Finally, this paper prospects the future tendency of discipline knowledge graph and personalized learning. It provides the reference and inspiration for the organization of educational resources and the innovative development of personalized learning.

Key words: personalized learning, discipline knowledge graph, knowledge graph construction technology

摘要： 学科知识图谱是依赖大数据、人工智能等技术构建的支持教学活动的重要工具，作为一种学科知识语义网络，能够助力个性化学习体系的发展并促进数字教育资源新基建。对知识图谱的概念、分类等内容进行概述；总结了学科知识图谱的概念、特点、优势、内涵及其对个性化学习的支持等内容；重点梳理了学科知识图谱的构建流程：学科本体构建、学科知识抽取、学科知识融合以及学科知识加工，并介绍了学科知识图谱在个性化学习情境中的应用及其面临的挑战；展望了学科知识图谱以及个性化学习的未来趋势，为教育资源的组织方式及个性化学习的创新发展提供借鉴和启示。

关键词: 个性化学习, 学科知识图谱, 知识图谱构建技术

ZHAO Yubo, ZHANG Liping, YAN Sheng, HOU Min, GAO Mao. Construction and Application of Discipline Knowledge Graph in Personalized Learning[J]. Computer Engineering and Applications, 2023, 59(10): 1-21.

赵宇博, 张丽萍, 闫盛, 侯敏, 高茂. 个性化学习中学科知识图谱构建与应用综述[J]. 计算机工程与应用, 2023, 59(10): 1-21.

References

[1] BIZER C，HEATH T，BERNERS-LEE T.Linked data：the story so far[M]//Semantic services，interoperability and web applications：emerging concepts.[S.l.]：IGI Global，2011：205-227.
[2] 马昂，于艳华，杨胜利，等.基于强化学习的知识图谱综述[J].计算机研究与发展，2022，59（8）：1694-1722.
MA A，YU Y H，YANG S L，et al.A survey of knowledge graph based on reinforcement learning[J].Journal of Computer Research and Development，2022，59（8）：1694-1722.
[3] 李振，周东岱，刘娜，等.人工智能应用背景下的教育人工智能研究[J].现代教育技术，2018，28（9）：19-25.
LI Z，ZHOU D D，LIU N，et al.Research on the artificial intelligence in education under the background of artificial intelligence application[J].Modern Educational Technology，2018，28（9）：19-25.
[4] 国务院.国务院关于印发新一代人工智能发展规划的通知[Z].中华人民共和国国务院公报，2017（22）：7-21.
PRC.Notice of the state council on issuing the development plan on the new generation of artificial intelligence[Z].Gazette of the State Council of the People’s Republic of China，2017（22）：7-21.
[5] XIE H，CHU H C，HWANG G J，et al.Trends and development in technology-enhanced adaptive/personalized learning：a systematic review of journal publications from 2007 to 2017[J].Computers & Education，2019，140：103599.
[6] MALAISE Y，SIGNER B.Personalised learning environments based on knowledge graphs and the zone of proximal development[C]//Proceedings of the 14th International Conference on Computer Supported Education，2022：199-206.
[7] JI S，PAN S，CAMBRIA E，et al.A survey on knowledge graphs：representation，acquisition，and applications[J].IEEE Transactions on Neural Networks and Learning Systems，2022，33（2）：494-514.
[8] 付雷杰，曹岩，白瑀，等.国内垂直领域知识图谱发展现状与展望[J].计算机应用研究，2021，38（11）：3201-3214.
FU L J，CAO Y，BAI Y，et al.Development status and prospect of vertical domain knowledge graph in China[J].Application Research of Computers，2021，38（11）：3201-3214.
[9] 张吉祥，张祥森，武长旭，等.知识图谱构建技术综述[J].计算机工程，2022，48（3）：23-37.
ZHANG J X，ZHANG X S，WU C X，et al.Survey of knowledge graph construction techniques[J].Computer Engineering，2022，48（3）：23-27.
[10] AUER S，BIZER C，KOBILAROV G，et al.DBpedia：a nucleus for a web of open data[M]//The semantic web.Berlin，Heidelberg：Springer，2007：722-735.
[11] SUCHANEK F M，KASNECI G，WEIKUM G.YAGO：a core of semantic knowledge[C]//Proceedings of the 16th International Conference on World Wide Web，2007：697-706.
[12] BOLLACKER K，EVANS C，PARITOSH P，et al.Freebase：a collaboratively created graph database for structuring human knowledge[C]//Proceedings of the 2008 ACM SIGMOD International Conference on Management of Data，2008：1247-1250.
[13] WU W，LI H，WANG H，et al.Probase：a probabilistic taxonomy for text understanding[C]//Proceedings of the 2012 ACM SIGMOD International Conference on Management of Data，2012：481-492.
[14] 搜狗百科.搜狗知立方[EB/OL].（2022-06-09）[2022-11-29].https：//baike.sogou.com/v66616234.html.
Sougou Baike.Sogou known cube[EB/OL].（2022-06-09）[2022-11-29].https：//baike.sogou.com/v66616234.html.
[15] 百度百科.百度知心[EB/OL].（2021-12-01）[2022-11-29].https：//baike.baidu.com/item/%E7%99%BE%E5%BA%A6%E7%9F%A5%E5%BF%83/12015195?fr=aladdin.
Baidu Baike.Baidu’s bosom[EB/OL].（2021-12-01）[2022-11-29].https：//baike.baidu.com/item/%E7%99%BE%E5%BA%A6%E7%9F%A5%E5%BF%83/12015195?fr=aladdin.
[16] NIU X，SUN X，WANG H，et al.Zhishi.me-weaving Chinese linking open data[C]//International Semantic Web Conference.Berlin，Heidelberg：Springer，2011：205-220.
[17] XU B，XU Y，LIANG J，et al.CN-DBpedia：a never-ending Chinese knowledge extraction system[C]//International Conference on Industrial，Engineering and Other Applications of Applied Intelligent Systems.Cham：Springer，2017：428-438.
[18] 阿里云.电商知识图谱[EB/OL].（2020-04-11）[2022-11-29].https：//developer.aliyun.com/article/754652.
Alibaba Cloud Computing Co.Ltd.E-commerce knowledge graph[EB/OL].（2020-04-11）[2022-11-29].https：//developer.aliyun.com/article/754652.
[19] 于彤，陈华钧，姜晓红.中医药知识工程[M].北京：科学出版社，2017.
YU T，CHEN H J，JIANG X H.Knowledge engineering for traditional Chinese medicine[M].Beijing：Science Press，2017.
[20] 2021全国知识图谱与语义计算大会.工业界论坛[EB/OL].（2021-01-05）[2022-11-29].http：//sigkg.cn/ccks2021/?page_id=342.
China Conference on Knowledge Graph and Semantic Computing.Industry forum[EB/OL].（2021-01-05）[2022-11-29].http：//sigkg.cn/ccks2021/?page_id=342.
[21] 刘政昊，钱宇星，衣天龙，等.知识关联视角下金融证券知识图谱构建与相关股票发现[J].数据分析与知识发现，2022，6（2）：184-201.
LIU Z H，QIAN Y X，YI T L，et al.Constructing knowledge graph for financial securities and discovering related stocks with knowledge association[J].Data Analysis and Knowledge Discovery，2022，6（2）：184-201.
[22] 汪文生，张静静.基于CiteSpace知识图谱的能源安全研究进展与展望[J].矿业科学学报，2021，6（4）：497-508.
WANG W S，ZHANG J J.Research progress and prospect of energy security based on citespace knowledge graph[J].Journal of Mining Science and Technology，2021，6（4）：497-508.
[23] 中华人民共和国国家质量监督检验检疫总局，中国国家标准化管理委员会.学科分类与代码：GB/T 13745—2009[S].北京：中国标准出版社，2009.
General Administration of Quality Supervision，Inspection and Quarantine of the People’s Republic of China，Standardization Administration.Classification and code of disciplines：GB/T 13745—2009[S].Beijing：Standards Press of China，2009.
[24] 林健，柯清超，黄正华，等.学科知识图谱的动态生成及其在资源智能组织中的应用[J].远程教育杂志，2022，40（4）：23-34.
LIN J，KE Q C，HUANG Z H，et al.Dynamic generation of subject knowledge graph and its application in resources intelligent organization[J].Journal of Distance Education，2022，40（4）：23-34.
[25] 李艳燕，张香玲，李新，等.面向智慧教育的学科知识图谱构建与创新应用[J].电化教育研究，2019，40（8）：60-69.
LI Y Y，ZHANG X L，LI X，et al.Construction and innovative application of discipline knowledge graph oriented to smart education[J].e-Education Research，2019，40（8）：60-69.
[26] 李龙飞，张国良.算法时代“信息茧房”效应生成机理与治理路径——基于信息生态理论视角[J].电子政务，2022（9）：51-62.
LI L F，ZHANG G L.Generation mechanism and treatment path of “information cocoon house” effect in the algorithmic era—from the perspective of information ecology theory[J].E-Government，2022（9）：51-62.
[27] 周炫余，唐祯，唐丽蓉，等.基于多源异构数据融合的初中数学知识图谱构建[J].武汉大学学报（理学版），2021，67（2）：118-126.
ZHOU X Y，TANG Z，TANG L R，et al.Construction of junior high school mathematics knowledge graph based on multi-source heterogeneous data fusion[J].Journal of Wuhan University（Natural Science Edition），2021，67（2）：118-126.
[28] 赵玲朗，范佳荣，赵一婷，等.基于知识图谱的学习者画像模型设计与应用——以“高中物理”课程为例[J].现代教育技术，2021，31（2）：95-101.
ZHAO L L，FAN J R，ZHAO Y T，et al.The design and application of the learners’ portrait model based on knowledge mapping—taking the “high school physics” course as an example[J].Modern Educational Technology，2021，31（2）：95-101.
[29] 杨云飞，穗志方.面向医学知识图谱的可视化方法设计与实现[J].中文信息学报，2022，36（2）：40-48.
YANG Y F，SUI Z F.Design and implementation of visualization for medical knowledge graph[J].Journal of Chinese Information Processing，2022，36（2）：40-48.
[30] CUI J，YU S.Fostering deeper learning in a flipped classroom：effects of knowledge graphs versus concept maps[J].British Journal of Educational Technology，2019，50（5）：2308-2328.
[31] BOUCHARD P.Network promises and their implications[J].RUSC Universities and Knowledge Society Journal，2011，8（1）：288-302.
[32] 赵学孔，徐晓东，龙世荣.协同推荐：一种个性化学习路径生成的新视角[J].中国远程教育，2017（5）：24-34.
ZHAO X K，XU X D，LONG S R.Collaborative recommendation：a new perspective on the generation of personalized learning path[J].Distance Education in China，2017（5）：24-34.
[33] 牟智佳.“人工智能+”时代的个性化学习理论重思与开解[J].远程教育杂志，2017，35（3）：22-30.
MOU Z J.The reconsideration and solution of personalized learning theory in the era of “artificial intelligence plus”[J].Journal of Distance Education，2017，35（3）：22-30.
[34] 祝智庭，贺斌.智慧教育：教育信息化的新境界[J].电化教育研究，2012，33（12）：5-13.
ZHU Z T，HE B.Intelligence education：a new realm of educational informationization[J].e-Education Research，2012，33（12）：5-13.
[35] MODRITSCHER F，WILD F.Personalized e-learning through environment design and collaborative activities[C]//LNCS 5298：HCI and Usability for Education and Work，4th Symposium of the Workgroup Human-Computer Interaction and Usability Engineering of the Austrian Computer Society，2008：377-390.
[36] 钟启泉.为了中华民族的复兴为了每位学生的发展[Z].基础教育课程改革纲要（试行）解读，2001.
ZHONG Q Q.For the rejuvenation of the Chinese nation and the development of every student[Z].Interpretation of the Outline of Basic Education Curriculum Reform（Trial），2001.
[37] 范佳荣，钟绍春.学科知识图谱研究：由知识学习走向思维发展[J].电化教育研究，2022，43（1）：32-38.
FAN J R，ZHONG S C.Research on subject knowledge mapping：from knowledge learning to thinking development[J].e-Education Research，2022，43（1）：32-38.
[38] 杨现民，余胜泉.智慧教育体系架构与关键支撑技术[J].中国电化教育，2015（1）：77-84.
YANG X M，YU S Q.The architecture and key support technologies of smart education[J].China Educational Technology，2015（1）：77-84.
[39] 高茂，张丽萍.融合多模态资源的教育知识图谱的内涵、技术与应用研究[J].计算机应用研究，2022，39（8）：2257-2267.
GAO M，ZHANG L P.Research on connotation，technology and application of educational knowledge graph based on multimodal resources[J].Application Research of Computers，2022，39（8）：2257-2267.
[40] 胡钦太，刘丽清，郑凯.工业革命4.0背景下的智慧教育新格局[J].中国电化教育，2019（3）：1-8.
HU Q T，LIU L Q，ZHENG K.The new structure of smart education under the background of the fourth industrial revolution[J].China Educational Technology，2019（3）：1-8.
[41] 李振，周东岱.教育知识图谱的概念模型与构建方法研究[J].电化教育研究，2019，40（8）：78-86.
LI Z，ZHOU D D.Research on conceptual model and construction method of educational knowledge graph[J].e-Education Research，2019，40（8）：78-86.
[42] 刘凤娟，赵蔚，姜强，等.基于知识图谱的个性化学习模型与支持机制研究[J].中国电化教育，2022（5）：75-81.
LIU F J，ZHAO W，JIANG Q，et al.Research on personalized learning model and support mechanism based on knowledge graph[J].China Educational Technology，2022（5）：75-81.
[43] 杨宗凯.个性化学习的挑战与应对[J].科学通报，2019，64（5）：493-498.
YANG Z K.The challenges of personalized learning and their solutions[J].Chinese Science Bulletin，2019，64（5）：493-498.
[44] 刘三女牙，刘盛英杰，孙建文，等.智能教育发展中的若干关键问题[J].中国远程教育（综合版），2021（4）：1-7.
LIU S Y，LIU S Y J，SUN J W，et al.Key issues concerning the development of intelligent education[J].Distance Education in China，2021（4）：1-7.
[45] STUDER R，BENJAMINS V R，FENSEL D.Knowledge engineering：principles and methods[J].Data & Knowledge Engineering，1998，25（1/2）：161-197.
[46] WONG W，LIU W，BENNAMOUN M.Ontology learning from text：a look back and into the future[J].ACM Computing Surveys，2012，44（4）：1-36.
[47] RUBIN D L，NOY N F，MUSEN M A.Protege：a tool for managing and using terminology in radiology applications[J].Journal of Digital Imaging，2007，20（1）：34-46.
[48] 王向前，张宝隆，李慧宗.本体研究综述[J].情报杂志，2016，35（6）：163-170.
WANG X Q，ZHANG B L，LI H Z.Overview of ontology research[J].Journal of Intelligence，2016，35（6）：163-170.
[49] SURE Y，ANGELE J，STAAB S.OntoEdit：multifaceted inferencing for ontology engineering[J].Journal on Data Semantics，2003，1：128-152.
[50] 李振，周东岱，王勇.“人工智能+”视域下的教育知识图谱：内涵，技术框架与应用研究[J].远程教育杂志，2019，37（4）：42-53.
LI Z，ZHOU D D，WANG Y.Research of educational knowledge graph from the perspective of “artificial intelligence+”：connotation，technical framework and application[J].Journal of Distance Education，2019，37（4）：42-53.
[51] 童名文，牛琳，杨琳，等.课程本体自动构建技术研究[J].计算机科学，2016，43（S2）：108-112.
TONG M W，NIU L，YANG L，et al.Research on technique of course ontology automatically constructing[J].Computer Science，2016，34（S2）：108-112.
[52] FAWEI B，PAN J Z，KOLLINGBAUM M，et al.A semi-automated ontology construction for legal question answering[J].New Generation Computing，2019，37（4）：453-478.
[53] 高劲松，梁艳琪，王学东，等.学科知识地图的本体构建方法研究[J].情报科学，2013，31（7）：72-77.
GAO J S，LIANG Y Q，WANG X D，et al.Study of the ontology construction method for subject knowledge map[J].Information Science，2013，31（7）：72-77.
[54] 李冬梅，张扬，李东远，等.实体关系抽取方法研究综述[J].计算机研究与发展，2020，57（7）：1424-1448.
LI D M，ZHANG Y，LI D Y，et al.Review of entity relation extraction methods[J].Journal of Computer Research and Development，2020，57（7）：1424-1448.
[55] LECUN Y，BOTTOU L，BENGIO Y，et al.Gradient-based learning applied to document recognition[J].Proceedings of the IEEE，1998，86（11）：2278-2324.
[56] MIKOLOV T，KARAFIáT M，BURGET L，et al.Recurrent neural network based language model[C]//11th Annual Conference of the International Speech Communication Association，2010：1045-1048.
[57] LECUN Y，BENGIO Y，HINTON G.Deep learning[J].Nature，2015，521（7553）：436-444.
[58] GRISHMAN R，SUNDHEIM B M.Message understanding conference-6：a brief history[C]//16th International Conference on Computational Linguistics，1996.
[59] 赵山，罗睿，蔡志平.中文命名实体识别综述[J].计算机科学与探索，2022，16（2）：296-304.
ZHAO S，LUO R，CAI Z P.Survey of Chinese named entity recognition[J].Journal of Frontiers of Computer Science and Technology，2022，16（2）：296-304.
[60] 温秀秀，马超，高原原，等.基于标签聚类的中文重叠命名实体识别方法[J].计算机工程，2020，46（5）：41-46.
WEN X X，MA C，GAO Y Y，et al.Chinese overlapping named entity recognition method based on label clustering[J].Computer Engineering，2020，46（5）：41-46.
[61] ZHANG Y，XU J，CHEN H，et al.Chemical named entity recognition in patents by domain knowledge and unsupervised feature learning[J].Database，2016.DOI：10.1093/database/baw049.
[62] FINKEL J R，GRENAGER T，MANNING C D.Incorporating non-local information into information extraction systems by Gibbs sampling[C]//Proceedings of the 43rd Annual Meeting of the Association for Computational Linguistics，2005：363-370.
[63] LAFFERTY J D，MCCALLUM A K，PEREIRA F.Conditional random fields：probabilistic models for segmenting and labeling sequence data[C]//International Conference on Machine Learning，2001.
[64] W?LLMER M，EYBEN F，GRAVES A，et al.Bidirectional LSTM networks for context-sensitive keyword detection in a cognitive virtual agent framework[J].Cognitive Computation，2010，2（3）：180-190.
[65] LUO L，YANG Z，YANG P，et al.An attention-based BiLSTM-CRF approach to document-level chemical named entity recognition[J].Bioinformatics，2018，34（8）：1381-1388.
[66] DEVLIN J，CHANG M W，LEE K，et al.BERT：pretraining of deep bidirectional transformers for language understanding[J].arXiv：1810.04805，2018.
[67] 张毅，王爽胜，何彬，等.基于BERT的初等数学文本命名实体识别方法[J].计算机应用，2022，42（2）：433-439.
ZHANG Y，WANG S S，HE B，et al.Named entity recognition method of elementary mathematical text based on BERT[J].Journal of Computer Applications，2022，42（2）：433-439.
[68] BIRD S，KLEIN E，LOPER E.Natural language processing with Python：analyzing text with the natural language toolkit[M].Sebastopol：O’Reilly Media，Inc.，2009.
[69] ZHANG C，Ré C，CAFARELLA M，et al.DeepDive：declarative knowledge base construction[J].Communications of the ACM，2017，60（5）：93-102.
[70] MANNING C D，SURDEANU M，BAUER J，et al.The Stanford CoreNLP natural language processing toolkit[C]//Proceedings of the 52nd Annual Meeting of the Association for Computational Linguistics：System Demonstrations，2014：55-60.
[71] ZHANG W，LIU T，YIN Q，et al.Neural recovery machine for Chinese dropped pronoun[J].Frontiers of Computer Science，2019，13（5）：1023-1033.
[72] 谢明鸿，冉强，王红斌.基于同义词词林和规则的中文远程监督人物关系抽取方法[J].计算机工程与科学，2021，43（9）：1660-1667.
XIE M H，RAN Q，WANG H B.A Chinese distant supervised personal relationship extraction method based on tongyici cilin and rules[J].Computer Engineering and Science，2021，43（9）：1660-1667.
[73] 赵哲焕，杨志豪，孙聪，等.生物医学文献中的蛋白质关系抽取研究[J].中文信息学报，2018，32（7）：82-90.
ZHAO Z H，YANG Z H，SUN C，et al.Protein-protein interaction extraction from biomedical literature[J].Journal of Chinese Information Processing，2018，32（7）：82-90.
[74] PAN L，LI C，LI J，et al.Prerequisite relation learning for concepts in MOOCs[C]//Proceedings of the 55th Annual Meeting of the Association for Computational Linguistics（Volume 1：Long Papers），2017：1447-1456.
[75] 韩萌，李蔚清.基于特征增强的中文STEM课程知识的关系抽取[J].计算机应用研究，2020，37（S1）：40-42.
HAN M，LI W Q.Relationship extraction of Chinese stem course knowledge based on feature enhancement[J].Ap-plication Research of Computers，2020，37（S1）：40-42.
[76] SONG M，ZHAO J，GAO X.Research on entity relation extraction in education field based on multi-feature deep learning[C]//Proceedings of the 2020 3rd International Conference on Big Data Technologies，2020：102-106.
[77] 鄂海红，张文静，肖思琪，等.深度学习实体关系抽取研究综述[J].软件学报，2019，30（6）：1793-1818.
E H H，ZHANG W J，XIAO S Q，et al.Survey of entity relationship extraction based on deep learning[J].Journal of Software，2019，30（6）：1793-1818.
[78] 杨东明，杨大为，顾航，等.面向初等数学的知识点关系提取研究[J].华东师范大学学报（自然科学版），2019（5）：53-65.
YANG D M，YANG D W，GU H，et al.Research on knowledge point relationship extraction for elementary mathematics[J].Journal of East China Normal University（Natural Science），2019（5）：53-65.
[79] SU Y，ZHANG Y.Automatic construction of subject knowledge graph based on educational big data[C]//Proceedings of the 2020 3rd International Conference on Big Data and Education，2020：30-36.
[80] 徐绪堪，房道伟，蒋勋，等.知识组织中知识粒度化表示和规范化研究[J].图书情报知识，2014（6）：101-106.
XU X K，FANG D W，JIANG X，et al.Research on knowledge granularity representation and standardization during knowledge organization[J].Document，Informaiton & Knowledge，2014（6）：101-106.
[81] SHEN W，WANG J，HAN J.Entity linking with a knowledge base：issues，techniques，and solutions[J].IEEE Transactions on Knowledge and Data Engineering，2014，27（2）：443-460.
[82] CECCARELLI D，LUCCHESE C，ORLANDO S，et al.Dexter：an open source framework for entity linking[C]//Proceedings of the 6th International Workshop on Exploiting Semantic Annotations in Information Retrieval，2013：17-20.
[83] FERRAGINA P，SCAIELLA U.TAGME：on-the-fly annotation of short text fragments （by Wikipedia entities）[C]//Proceedings of the 19th ACM International Conference on Information and Knowledge Management，2010：1625-1628.
[84] USBECK R，NGONGA NGOMO A C，R?DER M，et al.AGDISTIS-graph-based disambiguation of named entities using linked data[C]//International Semantic Web Conference.Cham：Springer，2014：457-471.
[85] 王昊奋，漆桂林，陈华钧.知识图谱：方法、实践与应用[M].北京：电子工业出版社，2019.
WANG H F，QI G L，CHEN H J.Knowledge graph：method，practice and application[M].Beijing：Publishing House of Electronics Industry，2019.
[86] ZHANG Y，DAI H，YUN Y，et al.Meta-knowledge dictionary learning on 1-bit response data for student knowledge diagnosis[J].Knowledge-Based Systems，2020，205：106290.
[87] SONG Y，JEONG S，KIM H.Semi-automatic construction of a named entity dictionary for entity-based sentiment analysis in social media[J].Multimedia Tools and Applications，2017，76（9）：11319-11329.
[88] DANG F R，TANG J T，PANG K Y，et al.Constructing an educational knowledge graph with concepts linked to Wikipedia[J].Journal of Computer Science and Technology，2021，36（5）：1200-1211.
[89] 陈烨，周刚，卢记仓.多模态知识图谱构建与应用研究综述[J].计算机应用研究，2021，38（12）：3535-3543.
CHEN Y，ZHOU G，LU J C.Survey on construction and application research for multi-modal knowledge graphs[J].Application Research of Computers，2021，38（12）：3535-3543.
[90] AKHTAR W，KOPECKY J，KRENNWALLNER T，et al.XSPARQL：traveling between the XML and RDF worlds-and avoiding the XSLT pilgrimage[C]//5th European Semantic Web Conference.Berlin，Heidelberg：Springer，2008：432-447.
[91] SCHARFFE F，BIHANIC L，KéPéKLIAN G，et al.Enabling linked data publication with the Datalift platform[C]//Workshops at the 26th AAAI Conference on Artificial Intelligence，2012.
[92] 熊晶，焦清局，刘运通.基于多源异构数据的甲骨学知识图谱构建方法研究[J].浙江大学学报（理学版），2020，47（2）：131-141.
XIONG J，JIAO Q J，LIU Y T.Oracle bone studies knowledge graph construction based on multisource heterogeneous data[J].Journal of Zhejiang University（Science Edi-tion），2020，47（2）：131-141.
[93] 蒋秉川，万刚，许剑，等.多源异构数据的大规模地理知识图谱构建[J].测绘学报，2018，47（8）：1051-1061.
JIANG B C，WAN G，XU J，et al.Geographic knowledge graph building extracted from multi-sourced heterogeneous data[J].Acta Geodaetica et Cartographica Sinica，2018，47（8）：1051-1061.
[94] 李涓子，侯磊.知识图谱研究综述[J].山西大学学报（自然科学版），2017，40（3）：454-459.
LI J Z，HOU L.Reviews on knowledge graph research[J].Journal of Shanxi University（Natural Science Edition），2017，40（3）：454-459.
[95] 陈志云，商月，钱冬明.基于知识图谱的智能答疑系统研究[J].计算机应用与软件，2018，35（2）：178-182.
CHEN Z Y，SHANG Y，QIAN D M.Research on intelligent question answering system based on knowledge graph[J].Computer Applications and Software，2018，35（2）：178-182.
[96] LAO N，COHEN W W.Relational retrieval using a combination of path-constrained random walks[J].Machine Learning，2010，81（1）：53-67.
[97] 钟卓，唐烨伟，钟绍春，等.人工智能支持下教育知识图谱模型构建研究[J].电化教育研究，2020，41（4）：62-70.
ZHONG Z，TANG H W，ZHONG S C，et al.Research on constructing model of educational knowledge map supported by artificial intelligence[J].e-Education Research，2020，41（4）：62-70.
[98] 张春霞，彭成，罗妹秋，等.数学课程知识图谱构建及其推理[J].计算机科学，2020，47（S2）：573-578.
ZHANG C X，PENG C，LUO M Q，et al.Construction of mathematics course knowledge graph and its reasoning[J].Computer Science，2020，47（S2）：573-578.
[99] 杨洋，邸一得，刘俊晖，等.基于张量分解的排序学习在个性化标签推荐中的研究[J].计算机科学，2020，47（S2）：515-519.
YANG Y，DI Y D，LIU J H，et al.Study on learning to rank based on tensor decomposition in personalized tag recommendation[J].Computer Science，2020，47（S2）：515-519.
[100] 马忠贵，倪润宇，余开航.知识图谱的最新进展、关键技术和挑战[J].工程科学学报，2020，42（10）：1254-1266.
MA Z G，NI R Y，YU K H.Recent advances，key techniques and future challenges of knowledge graph[J].Chinese Journal of Engineering，2020，42（10）：1254-1266.
[101] VIZCARRA J，NISHIMURA S，FUKUDA K.Ontology-based human behavior indexing with multimodal video data[C]//2021 IEEE 15th International Conference on Semantic Computing，2021：262-267.
[102] 由丽萍，郎宇翔.基于商品评论语义分析的情感知识图谱构建与查询应用[J].情报理论与实践，2018，41（8）：132-136.
YOU L P，LANG Y X.Construction and query application of emotion knowledge graph based on semantic analysis of product reviews[J].Information Studies：Theory & Application，2018，41（8）：132-136.
[103] 马飞翔，廖祥文，於志勇，等.基于知识图谱的文本观点检索方法[J].山东大学学报（理学版），2016，51（11）：33-40.
MA F X，LIAO X W，YU Z Y，et al.A text opinion retrieval method based on knowledge graph[J].Journal of Shandong University（Science Edition），2016，51（11）：33-40.
[104] KANNAN A V，FRADKIN D，AKROTIRIANAKIS I，et al.Multimodal knowledge graph for deep learning papers and code[C]//Proceedings of the 29th ACM International Conference on Information & Knowledge Management，2020：3417-3420.
[105] 郝林雪，张鹏，宋大为，等.融合知识图谱的查询扩展模型及其稳定性研究[J].计算机科学与探索，2017，11（1）：37-45.
HAO L X，ZHANG P，SONG D W，et al.Research on knowledge graph based query expansion model and its retrieval stability[J].Journal of Frontiers of Computer Science and Technology，2017，11（1）：37-45.
[106] TURING A M.Computing machinery and intelligence[J].Mind，1950，59（236）：433-460.
[107] WANG L.An improved knowledge graph question answering system for English teaching[J].Mobile Information Systems，2022.DOI：10.1155/2022/3401074.
[108] 余胜泉，彭燕，卢宇.基于人工智能的育人助理系统——“AI好老师”的体系结构与功能[J].开放教育研究，2019，25（1）：25-36.
YU S Q，PENG Y，LU Y.An artificial intelligence assistant system for educating people：the structure and function of “AI educator”[J].Education Research，2019，25（1）：25-36.
[109] 祝智庭.CAI的教学策略设计（之四）[J].电化教育研究，1998，29（4）：49-52.
ZHU Z T.Teaching strategy design of CAI （Part 4）[J].
e-Education Research，1998，29（4）：49-52.
[110] 唐烨伟，茹丽娜，范佳荣，等.基于学习者画像建模的个性化学习路径规划研究[J].电化教育研究，2019，40（10）：53-60.
TANG Y W，RU L N，FAN J R，et al.Research on planning of personalized learning path based on learner portrait modeling[J].e-Education Research，2019，40（10）：53-60.
[111] 沈杰，乔少杰，韩楠，等.融合多信息的个性化推荐模型[J].重庆理工大学学报（自然科学），2021，35（3）：128-138.
SHEN J，QIAO S J，HAN N，et al.Personalized recommendation model with multiple information fusion[J].Journal of Chongqing University of Technology（Natural Science），2021，35（3）：128-138.
[112] 吴昊，徐行健，孟繁军.课程资源的融合知识图谱多任务特征推荐算法[J].计算机工程与应用，2021，57（21）：132-139.
WU H，XU X J，MENG F J.Knowledge graph-assisted multitask feature-based course recommendation algorithm[J].Computer Engineering and Applications，2021，57（21）：132-139.
[113] 高嘉骐，刘千慧，黄文彬.基于知识图谱的学习路径自动生成研究[J].现代教育技术，2021，31（7）：88-96.
GAO J J，LIU Q H，HUANG W B.Research on automatic generation of learning paths based on knowledge graph[J].Modern Educational Technology，2021，31（7）：88-96.
[114] ZHU H，LIU Y，TIAN F，et al.A cross-curriculum video recommendation algorithm based on a video-associated knowledge map[J].IEEE Access，2018，6：57562-57571.
[115] 师亚飞，彭红超，童名文.基于学习画像的精准个性化学习路径生成性推荐策略研究[J].中国电化教育，2019 （5）：84-91.
SHI Y F，PENG H C，TONG M W.Research on generative paths recommendation strategies of precisive personalized learning based on learning profile[J].China Educational Technology，2019（5）：84-91.
[116] 李青，闫宇.新技术视域下的教学创新：从趣悦学习到机器人陪伴学习——英国开放大学《创新教学报告》（2019版）解读[J].远程教育杂志，2019，37（2）：15-24.
LI Q，YAN Y.Innovating pedagogies with technology：from playful learning to learning with robots：introductions to innovating pedagogy report 2019[J].Journal of Distance Education，2019，37（2）：15-24.
[117] 陈恩红，刘淇，王士进，等.面向智能教育的自适应学习关键技术与应用[J].智能系统学报，2021，16（5）：886-898.
CHEN E H，LIU Q，WANG S J，et al.Key techniques and application of intelligent education oriented adaptive learning[J].CAAI Transactions on Intelligent Systems，2021，16（5）：886-898.
[118] 卢宇，薛天琪，陈鹏鹤，等.智能教育机器人系统构建及关键技术——以“智慧学伴”机器人为例[J].开放教育研究，2020，26（2）：83-91.
LU Y，XUE T Q，CHEN P H，et al.A study on the system design and key technologies of an AI-driven ed-ucational robot：taking the “smart learning partner” as an example[J].Open Education Research，2020，26（2）：83-91.
[119] 汪时冲，方海光，张鸽，等.人工智能教育机器人支持下的新型“双师课堂”研究——兼论“人机协同”教学设计与未来展望[J].远程教育杂志，2019，37（2）：25-32.
WANG S C，FANG H G，ZHANG G，et al.Research on the new “double teacher classroom” supported by artificial intelligence educational robots：discuss about “human-machine collaboration” instructional design and future expectation[J].Journal of Distance Education，2019，37（2）：25-32.