計算機專業信息服務的智能化應用研究

馬剛　李紅云

摘要：高校在教學過程中會產生大量的數據，很多數據都是孤立的存儲于計算機中，數據之間缺少語義關聯，無法滿足個性化、多樣化的信息檢索服務。本文對人工智能化技術進行了綜合論述，分析各種智能化技術的特點，優先采用基于知識圖譜技術作為高校學生智能化信息處理平臺，以本人所在學校智能制造學院為例，利用已存的學生數據信息表為載體，依據學生學習需求服務為原則，試圖建立一種智能化專業學習信息處理系統模型。

關鍵詞：人工智能;知識圖譜;信息處理系統

中圖分類號：TP18? ? 文獻標識碼：A

文章編號：1009-3044（2021）06-0135-03

1概述

在傳統辦公過程中，學校會產生出大量的文件、班級表、課程表、成績單等數據，很多數據都是孤立被存儲在計算機硬盤中，如果遇到一個具有復雜功能的查詢，就需要很多人在同一時間段查詢各種數據表，經過認真分析，最后才能找到所需的數據。這種較低的辦公效率會極大地影響學校信息化系統建設，不利于學校的快速發展?；诋斍叭斯ぶ悄躘1]技術的不斷發展，高校的信息化管理應當不斷向智能化辦公方向發展。本人以我校智能制造學院為例，本文首先研究了基于人工智能的信息檢索技術，匯總學生的各種數據信息作為數據源，依據教務管理材料推導出語義檢索的標準規則，探討一種面向學生學習信息需求服務的智能化辦公軟件系統模型。

2信息的智能化處理技術理論和方法

人工智能是九十年代初開始興起的一種智能化處理數據的學科，主要包括機器學習、數據挖掘、模式識別等內容，它基于大量的計算機智能算法而得到人們期望的最優數據。目前該學科已經廣泛應用于圖像處理、文本處理、語言處理、機器人系統等領域。人工智能技術構建具有良好的判斷能力，理解能力和學習能力，同時這也是人們開發人工智能系統，開展智能化信息技術研究的根本目標。利用人工智能算法（關聯規則、模糊理論、神經網絡、知識圖譜等）對原始數據信息進行采集和綜合化加工處理，最終得到智能化決策結論。

2.1模糊理論

美國人L.A.zadeh在二十世紀中期創立了模糊集合理論[2]，主要內容包括模糊邏輯、模糊推理、模糊控制、模糊計算等，它主要用于解決現實問題中的抽象模型分析與推理，后來被歸納為數學科學中的一個分支學科，成為模糊問題的主要解決理論和方法。當前人們常用的模糊計算方法主要有：模糊統計法、模糊分步法，熵權法。熵權法揭示的原理：如果與指標相關的熵值越小，則此指標對綜合評價的影響較大。這種思想被應用在信息檢索中具有較高的應用價值。例如：一個詞語，在不同的句子中往往具有多種含義，如果把句子看成是該詞語的背景，不同的背景就決定了該詞語的一種含義。在分析句子詞語的含義值，對該詞語計算出其在句子中背景的信息貢獻量，得到熵值作為特征值用于確定詞語的某一種含義，提高了信息檢索的水平。

2.2人工神經網絡

BP神經網絡[3]算法能學習和存儲大量輸入—輸出模式映射關系，為個性化查詢帶來較高的效率，但不足的是需要大量的樣本數據，才能確定該算法中用到的多個參數模擬值，同時，該算法設計很復雜，當客戶端大量訪問需要較高的服務器硬件資源。

2.3 知識圖譜

為了給大眾提供更加精準的信息檢索服務，谷歌公司首次提出“知識圖譜”，其觀點認為世界是由大量的實體和實體之間的關系組成，從而達到基于語義級別的智能化信息檢索，目前基于知識圖譜[4]的研究在語義分析、智能推理、智能互答等領域都有了重要突破。

知識圖譜起源于語義網絡，以“實體-關系-實體”作為基本單元，大量的關系把大量的實體彼此聯系起來，便構成了知識網絡模型。知識圖譜目前已經廣泛應用于教育、企業、科研等。

知識圖譜的研究內容[5]主要包括：知識圖譜表示與建模（實體建模）、知識存儲、知識抽取與知識挖掘、知識圖譜融合、知識圖譜推理、語義搜索 、知識問答等核心內容。

通常，知識圖譜技術的核心研究對象是本體，本體由五個基本構成元素：類（Class）或概念（Conception），關系（Relations），函數（Functions），公理（Axioms），實例（Instance）。

因此，本體可以看成是一種五元組：O = （ C ， P ， I ， H， F ），其中，C代表概念集合;P代表屬性集合;I代表個體集合即實例集合;H代表概念層次的結合;F代表函數集合。

構建知識圖譜需要大量的數據源，如果使用自底向上的方法可以獲取知識圖譜中的實體概念、屬性、類別、關系等信息，一般情況下，通過采集數據源和數據處理這2個過程就可以構建知識圖譜的首要工作，在結合7步法可以有效識別出實體。

關系抽取是基于知識圖譜某一領域中，尋找實體與實體之間的關系，可以使用實體對關系預測的方法進行判定，例如：一名計算機專業學生王二參加福建省計算機程序大賽，可以推測實體（王二）與實體（計算機程序大賽）是成員關系。

3需求分析

構建計算機專業知識圖譜的最終目標就是為學生提供基于語義的智能化專業信息檢索服務[6]，讓學生理解學習哪些課程、如何學習專業課程、是否達到專業學習水平等話題。本人對我院約500名學生進行問卷調查，列舉出學生提出的各種學習問題，收集了大概400份左右的反饋信息。通過這次調研，獲取學生主要關心的專業課問題，進行匯總、整合，對學習需求問題進行分類。需求分類如下：（1）課程學習需求：計算機有哪些課程？這些課程的內容是什么？課程內容的目標、特點、課程之間的關系？學習方法是什么？是否具備參加計算機專業期末考試的條件？（2）專業技術考試需求：如何評價自身的計算機專業水平？是否具備參加計算機專業資格考試的條件？（3）比賽需求：是否具備參加計算機專業比賽的條件？（4）畢業需求：是否符合計算機專業畢業條件？是否存在未修的公共課課程、專業課程？總學習積分是多少，是否達標？

張甜甜在論文中給出數據結構課程實體研究成果[7]，里面包含有大量知識點本體：算法、排序、有向樹、遞歸等，這些本體中部分本體被引入了本文中作為衡量課程難度和核心內容的本體。本文列舉面向學生學業信息的知識圖譜中常用本體：學生、學生成績、課程、專業基礎課程（概念、公式、算法等）、專業核心課程、專業必修課程、專業非必修課程、考試、公共課考試、專業課考試、比賽、國家級比賽、省級比賽、市級比賽、校賽。

4系統實施

4.1 MySQL表導入Neo4j系統

一個知識圖譜里面通常包含有大量的實體、實體的屬性、實體之間的關系，這3種信息是無法直接存儲在關系數據庫當中的，為此，人們開發出了一種基于圖形結構方式的數據庫軟件系統Neo4j[8]，它可以存儲上億個實體，并且同時滿足企業不斷變化的業務需求，具備極高的數據檢索性能，支持大規模的數據事務管理，目前已被應用到大量的企業智能檢索系統中。

知識圖譜中的本體模型通常是基于RDF三元組表示的，要把本體數據模型存儲到Neo4j數據庫中，需要將本體和Neo4j數據庫中創建的節點相匹配，具體操作過程主要包括3步驟：對本體解析，把三元組RDF模型數據映射到Neo4j圖節點模型，對Neo4j圖節點進行存儲。最后把基于外鍵聯系的傳統關系型數據庫MySQL[9]遷移到基于關系關聯的圖形數據庫Neo4j。

在Neo4j數據庫中存放完實體模型后，結合我院數據庫服務器MySQL中存放的歷年學生信息表、成績表、課程表等具體數據，提取MySQL數據表中的主鍵和字段，根據主鍵在Neo4j數據庫中建立實體節點，根據字段在實體節點中建立屬性，重復該操作，把所需的MySQL數據表中的數據全部轉化成Neo4j數據庫中的實體值和屬性值。根據MySQL數據表中的外鍵，在Neo4j數據庫中建立所有的實體節點之間的聯系（即實體之間的關系）。這里給出MySQL數據表：

（1）學生檔案表：身份證號碼、學生姓名、籍貫、出生地、性別、常住地址、電話、備注;（2）學生信息表：年級、專業、學生編號、姓名、性別、電話、QQ號，宿舍號、學習狀態;（3）學生課程表：? 課程編號、課程名稱、任課教師、教師編號、課程學分、課程性質;（4）課程信息表：課程編號、課程名稱、學分、課時量、課程性質;（5）學生課程成績信息表：學生編號、課程編號、平時成績、期末成績、綜合成績;（6）技能考試表：考試編號、等級、考試名稱;

本文使用MySQL-Workbench6.3軟件工具畫出與學生學習管理相關的數據表圖，如圖1所示。由MySQL數據表給出的數據被轉換到Neo4j數據庫中后，則得到了計算機專業信息的知識圖譜實體和實體關系，本文截取了部分實體和實體關系，如圖2所示。

4.2 建立知識推理規則集

在每學期開學時，根據已經設定好的專業教學目標，任課老師準備好相關的教材、題庫、考試方案、教案、授課計劃等很多教學相關資料?；谥R圖譜的語義檢索，需要人工方式來根據學校教育制度，專業技術資格要求、畢業條件要求、考試資格要求、學生生活手冊要求，把這些制度和要求轉換成語義檢索的規則集。本人搜集了與學生學業相關的教務管理材料，經過人工分析，獲取如下幾個方面的資格條件實體規則庫模型公式。

（1）考試規則：在無作弊的前提下，學生一門課程的期末總成績不低于60分，課程通過，且獲取該課程的學分數。（2）畢業條件：全部課程均通過，達到相應的學生畢業總積分數，且無其他不良的記錄。（3）參加比賽資格： a1*專業課課程總分數+ a2*專業課課程總分數+…+ an*專業課課程總分數+b*軟件項目成績。

（4）參加專業技術資格考試：a1*專業課課程總分數+ a2*專業課課程總分數+…+ an*專業課課程總分數。

舉例說明：某一個學生要參加國家計算機軟件水平考試——軟件設計師（中級），其知識能力計算方式：a1*計算機文化課程分數 + a2*軟件工程課程分數+ a3*數據結構課程分數 + a4*Java程序設計課程分數 + a5*計算機組成原理課程分數 + a6*計算機操作系統課程分數 + a7*計算機網絡課程分數。相關說明：以上列舉的課程內容都屬于軟件設計師考試的范圍，a1至a7這7個參數值可以使用機器學習算法進行確定。

4.3 搭建系統平臺

基于人工智能技術的信息檢索具有一定的智能運行思維，其能夠根據用戶的瀏覽習慣和需求，進行相關信息的智能化推理和推送，使得用戶能夠在龐大的信息數據中快速獲取所需信息。計算機專業信息檢索智能平臺[9]搭建需要引入Web技術，學生在JSP Web頁面上輸入關心的問題或話題，對句子進行分詞處理，得到相關的實體，利用知識圖譜進行語義推理，在neo4j數據庫中進行語義檢索，把處理查詢結果在Web界面顯示并反饋給客戶端。下圖3給出學業智能信息檢索系統運行模型圖。

參考文獻：

[1] 蘇俊.人工智能技術應用與發展趨勢[J].電子技術與軟件工程，2018（3）：250.

[2] 李小文.基于模糊理論的醫生綜合評價系統的研究與開發[D].杭州：浙江理工大學，2019.

[3] 徐愷英，王碩.利用BP神經網絡算法優化個性化搜索引擎[J].情報理論與實踐，2011，34（2）：100-102.2：3-7.

[4] 張甜甜.基于數據結構的知識圖譜構建及其可視化應用的研究[D].上海：上海師范大學，2020.

[5]鄧志鴻，張銘.Ontology研究綜述[J].北京大學學報，2002，38（5）：730-738.

[6] 王飛，張應中，羅曉芳.基于SQWRL的本體知識庫語義查詢[J].計算機技術與發展，2017，27（2）：15-19，24.

[7]曹皓偉.基于Neo4j生物醫藥知識圖譜的構建[J].計算機時代，2020（6）：1-10.

[8] 曲小納.基于PHP技術與MYSQL數據庫技術的Web動態網頁設計[J].電腦知識與技術，2020，16（13）：50-51.

[9] 蘇翔.基于知識圖譜的“數據結構”教學資源平臺的構建研究[D].北京：北京林業大學，2019.

【通聯編輯：聞翔軍】