1、研究背景及意义
随着互联网技术的发展以及大数据、人工智能等新科技时代的来临，我国高校教育改革、高校人才培养也面临着新的机遇与挑战。一方面，为了实现国家战略、支撑快速发展的新经济，需要高校变革发展培养新型人才，满足社会发展的新需求；另一方面，新时代教育理念、教育技术的与时俱进，加速教育信息化、智慧教育的发展，为高素质人才培养提供保障。
现今我国高校已经全面建成数字校园，并逐步向“智慧数字校园”迈进。因此，高校学生在校园中每时每刻都会产生大量的行为数据，如何充分利用这些学生行为数据，助力高校教学改革、提升教学管理水平、提高学生培养质量是现代化高校教育面临的热点问题。
而高校教学活动中，学生测评是其中至关重要一环，是对教学质量和学生学习状态的一种监控手段和方法。目前，已有高校学生测评方法主要是根据学生成绩信息和各种量化积分，并依据学校行政部门指定的管理制度给出一个分数，作为学生评优评先和奖学金的依据。由此可知，已有的测评方法具有间断性，且评测结果未能充分体现学生在校期间的动态学习状态和发展路径过程，因而不具备及时地学生导向调节、精准引导学生发展的能力。此外，若评测系统不能实时反映当前学生的学习状态，不仅不利于学生及时对自身进行调整、提高学习效率、提升学习能力，也不利于学校对学生学习行为的精准干预和管理。这将严重影响高校人才的培养质量，使得高校毕业生难于适应如今高速变革的社会发展的需求。而高等教育是社会发展的重要依靠、是社会发展的动力之源，所以高校人才质量直接影响并制约着国家的发展和未来。
2、知识图谱研究现状
2.1 国内外研究及发展现状
现今我国高校已经全面建成数字校园，并逐步向“智慧数字校园”迈进。因此，高校学生在校园中每时每刻都会产生大量的行为数据，如何充分利用这些学生行为数据，助力高校教学改革、提升教学管理水平、提高学生培养质量是现代化高校教育面临的热点问题。
在高校向智慧化水平迈进过程中，学生测评是其中至关重要一环，是对教学质量和学生学习状态的一种监控手段和方法。高校现多采用收集学生行为数据来开展分析以此构建系统来测评学生发展情况。
而本系统利用知识图谱来解决以上问题：
知识图谱分为领域知识图谱与百科性知识图谱，本系统主要针对学生行为构建领域型知识图谱，据目前研究资料可知：目前高校尚未应用此知识图谱。
知识图谱本身上的节点覆盖足够多的实体，足够多的概念，可以作为用户画像的标签来源，精良的质量使得打上的标签更加的准确。这些标签间有具有联系，图谱中有丰富的语义关系，这样可以帮助机器去理解这些标签的意义。友好的结构利于人们去更好的理解，直观的发现标签间的关系。可以利用标签传播，跨领域推荐等算法去挖掘更多更精准的标签来描述用户，丰富用户标签，提升用户精准度。另外在做学生画像时，学生画像可以单独作为产品可视化的进行呈现，利用图谱中的关系，生成个性化的，动态变化的用户知识图谱。文章来源：https://www.toymoban.com/news/detail-442622.html
2.2 领域知识图谱构建的一般过程及技术、方法
学生行为知识图谱构建主要是基于多种数据处理技术，多渠道抽取有价值的学生行为知识，以三元组的形式存储于图数据库中。[1]
知识图谱的构建主要分为自顶向下和自底向上两种构建方法。自顶向下构建方法需要领域专家参与本体构建，而自底向上方法成本较低、自动化程度高，本项目根据实际情况采用自底向上方法构建学生行为知识图谱。
知识图谱的数据来源：数据分为结构化数据、半结构化数据以及非结构化文本数据，结构化数据主要文章来源地址https://www.toymoban.com/news/detail-442622.html
到了这里，关于人工智能知识图谱研究的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
