面向高校教學(xué)的知識(shí)融合與應(yīng)用模型研究

劉波

摘? ?要：為了提升專業(yè)知識(shí)檢索服務(wù)質(zhì)量、滿足高等院校教學(xué)服務(wù)需求，文章提出基于人工智能、自然語言處理等技術(shù)構(gòu)建知識(shí)融合模型的方案;利用多源異構(gòu)大數(shù)據(jù)資源，面向高等院校專業(yè)課程，采用知識(shí)圖譜與語義擴(kuò)展搜索等技術(shù)與方法，設(shè)計(jì)基于知識(shí)圖譜關(guān)聯(lián)導(dǎo)航的教學(xué)服務(wù)平臺(tái)，為教師與學(xué)生獲取精準(zhǔn)知識(shí)點(diǎn)以及相關(guān)內(nèi)容提供方便。最后介紹模型實(shí)現(xiàn)面臨的一些挑戰(zhàn)，為專業(yè)課程教學(xué)軟件的開發(fā)與升級(jí)提供參考。

關(guān)鍵詞：知識(shí)融合;教學(xué)服務(wù);大數(shù)據(jù);網(wǎng)絡(luò)資源

中圖分類號(hào)：G642.0 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1673-8454（2021）05-0032-04

一、引言

隨著互聯(lián)網(wǎng)的應(yīng)用與發(fā)展， 出現(xiàn)了眾多開放式知識(shí)數(shù)據(jù)庫和網(wǎng)上教學(xué)系統(tǒng)，例如維基百科、百度百科、谷歌學(xué)術(shù)、慕課（MOOC）以及專業(yè)技術(shù)社區(qū)等等，為高等院校教學(xué)提供了豐富的資源。然而，各個(gè)知識(shí)系統(tǒng)資源沒有互聯(lián)共享，使用戶往往在一個(gè)搜索系統(tǒng)中找不到準(zhǔn)確﹑完整﹑滿意的結(jié)果，而且通常需要經(jīng)過多個(gè)網(wǎng)站深度鏈接搜索才能獲取所需內(nèi)容。因此，為方便用戶充分利用已有的知識(shí)庫，提高知識(shí)搜索的準(zhǔn)確率，有必要整合現(xiàn)有開放的網(wǎng)絡(luò)知識(shí)資源，構(gòu)建有效完整的智能搜索知識(shí)平臺(tái)。

高等院校不僅僅培養(yǎng)學(xué)生掌握知識(shí)的能力，更重要的是培養(yǎng)學(xué)生自主研究學(xué)習(xí)與創(chuàng)新能力。知識(shí)獲取途徑不僅僅是教材，也包括互聯(lián)網(wǎng)中豐富的信息與知識(shí)。要想讓學(xué)生更好地自主學(xué)習(xí)，好的課程資源建設(shè)必不可少。[1]目前已經(jīng)搭建了許多知識(shí)平臺(tái)，并且開始將大數(shù)據(jù)、人工智能等先進(jìn)技術(shù)應(yīng)用到了教學(xué)平臺(tái)的研發(fā)中。[2][3]

本文面向高等院校專業(yè)課程的教學(xué)，設(shè)計(jì)了一個(gè)知識(shí)融合與應(yīng)用模型，對(duì)互聯(lián)網(wǎng)知識(shí)信息自動(dòng)抓取、整合，滿足用戶對(duì)知識(shí)檢索與問答等需求。同時(shí)，采用自然語言處理、人工智能等技術(shù)，基于開放的知識(shí)庫系統(tǒng)，實(shí)現(xiàn)資源抽取﹑融合與深度挖掘等，為開發(fā)集知識(shí)抽取、融合、搜索于一體的教學(xué)系統(tǒng)提供參考與支持。

二、網(wǎng)絡(luò)教育資源發(fā)展與存在的問題

近10 年來，眾多國(guó)家都在推進(jìn)“互聯(lián)網(wǎng)+教育”的發(fā)展。中國(guó)《國(guó)家中長(zhǎng)期教育改革和發(fā)展規(guī)劃綱要（2010—2020 年）》明確提出，到2020 年，中國(guó)要基本建成較完備的國(guó)家級(jí)和省級(jí)教育基礎(chǔ)信息庫;為落實(shí)綱要精神，教育部于2012 年3 月就印發(fā)了《教育信息化十年發(fā)展規(guī)劃（2011—2020年）》，建立“有機(jī)銜接的國(guó)家級(jí)和省級(jí)教育管理基礎(chǔ)數(shù)據(jù)庫和信息系統(tǒng)”。2010 年，美國(guó)政府啟動(dòng)了大數(shù)據(jù)計(jì)劃，聯(lián)邦教育部隨即發(fā)布了通過教育數(shù)據(jù)挖掘和學(xué)習(xí)分析促進(jìn)教與學(xué)的報(bào)告，并于2013 年啟動(dòng)實(shí)施鏈接教育（Connect ED）計(jì)劃，將大數(shù)據(jù)明確為推動(dòng)教育變革的關(guān)鍵性力量。[4]經(jīng)過多年的研發(fā)，不僅出現(xiàn)了諸如百度學(xué)術(shù)﹑谷歌學(xué)術(shù)﹑維基百科等開放的知識(shí)搜索系統(tǒng)，還出現(xiàn)了面向各層次教育對(duì)象的專業(yè)課程教學(xué)系統(tǒng)，促進(jìn)了教學(xué)方式的改革，使教師授課和學(xué)生學(xué)習(xí)的方式都發(fā)生了一定的變化。

智能化教學(xué)在高等院校已初步展開。[5]教學(xué)資源的構(gòu)建是智能化教學(xué)系統(tǒng)的基礎(chǔ)，當(dāng)前不僅建立了開放的通用知識(shí)庫，還構(gòu)建了面向?qū)I(yè)領(lǐng)域和課程的知識(shí)圖譜，利用知識(shí)圖譜將相關(guān)概念實(shí)體連接起來，可以實(shí)現(xiàn)可視化導(dǎo)學(xué)并回答學(xué)生問題。[6]將人工智能技術(shù)應(yīng)用于高等院校教師授課、學(xué)生個(gè)性化學(xué)習(xí)、效果評(píng)價(jià)等環(huán)節(jié)中，不僅能改進(jìn)教學(xué)方式，而且還能提高學(xué)習(xí)效果。[7]

雖然國(guó)內(nèi)外在知識(shí)平臺(tái)研發(fā)方面都取得了一定的成果，達(dá)到了較高水平，然而在資源整合與知識(shí)搜索方面還存在如下問題：①各個(gè)系統(tǒng)資源沒有互聯(lián)共享，知識(shí)搜索的準(zhǔn)確度不高﹑不全面;缺乏為用戶提供統(tǒng)一搜索多個(gè)知識(shí)庫資源的接口。②各種知識(shí)庫表達(dá)方式不同，基于語義的文本內(nèi)容抽取﹑相似度匹配等技術(shù)尚未獲得較好的效果。③專業(yè)知識(shí)庫較匱乏，常用知識(shí)庫以及搜索系統(tǒng)尚不能面向課程教學(xué)提供高質(zhì)量的服務(wù)。④大多數(shù)知識(shí)搜索系統(tǒng)僅能提供相關(guān)鏈接服務(wù)，不能直接提供與課程相關(guān)內(nèi)容的瀏覽或下載。

總之，網(wǎng)絡(luò)教育資源的建立在各國(guó)都發(fā)展迅速，但成果推廣應(yīng)用的效果不顯著。眾多教學(xué)網(wǎng)以及知識(shí)庫已經(jīng)建立起來且免費(fèi)開放，然而這些資源還未在教學(xué)中充分發(fā)揮作用，主要原因之一是沒有將各種資源有針對(duì)性地整合，不能為教師與學(xué)生提供獲取所需知識(shí)的有效途徑。本文擬圍繞存在的問題探索知識(shí)融合模型以及相關(guān)實(shí)現(xiàn)技術(shù)。

三、知識(shí)融合系統(tǒng)框架與實(shí)現(xiàn)技術(shù)

圖1給出了知識(shí)融合系統(tǒng)框架，包括四個(gè)層次，各層之間相互傳遞信息。知識(shí)源層為開放性數(shù)據(jù)資源、教材、教案等;知識(shí)抽取層從知識(shí)源抽取知識(shí)點(diǎn)（即專業(yè)術(shù)語、概念、定理等）以及相關(guān)知識(shí)內(nèi)容，按照課程或領(lǐng)域進(jìn)行分類，并動(dòng)態(tài)更新與維護(hù)知識(shí)內(nèi)容;知識(shí)融合與存儲(chǔ)層對(duì)知識(shí)抽取層獲取的知識(shí)內(nèi)容進(jìn)行存儲(chǔ)，建立文檔索引表，分析知識(shí)點(diǎn)之間的關(guān)系，并構(gòu)建知識(shí)圖譜;教學(xué)應(yīng)用層即用戶層，面向教師與學(xué)生，提交知識(shí)檢索詞或問題，從知識(shí)融合層的文檔庫與知識(shí)圖譜獲取結(jié)果，并推薦學(xué)習(xí)內(nèi)容等。

在知識(shí)系統(tǒng)構(gòu)建過程中，教師承擔(dān)知識(shí)源的選擇、管理、分類、知識(shí)庫創(chuàng)建與維護(hù)等基礎(chǔ)工作，針對(duì)一門課程，教師團(tuán)隊(duì)的工作流程如圖2所示。

1.知識(shí)來源

隨著越來越多開放資源的出現(xiàn)，當(dāng)代大學(xué)生學(xué)習(xí)方式正在悄然改變，許多學(xué)生在課后遇到課程問題時(shí)，不是直接翻閱教材或PPT，而是上網(wǎng)尋求答案，這樣不僅便利而且學(xué)習(xí)效率更高。一些課程的內(nèi)容需要不斷更新并引入最新的前沿知識(shí)，甚至需要其他交叉學(xué)科的知識(shí)。然而教材已不能滿足創(chuàng)新研究的需求，教材更新遠(yuǎn)滯后于新技術(shù)的發(fā)展。例如，綜觀計(jì)算機(jī)的發(fā)展史，計(jì)算速度越來越快，貯存容量越來越大，操作系統(tǒng)功能越來越豐富，然而計(jì)算機(jī)組成原理、操作系統(tǒng)等相關(guān)課程的教材內(nèi)容不會(huì)隨著新的技術(shù)出現(xiàn)馬上修訂。

互聯(lián)網(wǎng)絡(luò)是當(dāng)今最快的新技術(shù)獲取途徑，教師和學(xué)生都可以從中獲得最新的專業(yè)知識(shí)，及時(shí)補(bǔ)充教材內(nèi)容。因此，不論的是針對(duì)學(xué)生還是教師，傳統(tǒng)的紙質(zhì)教材已經(jīng)不能滿足他們學(xué)習(xí)或授課的需要，教師需要對(duì)教學(xué)計(jì)劃與內(nèi)容不斷更新或調(diào)整，學(xué)生需要從開放的教學(xué)資源中吸取教材之外的知識(shí)。在圖1中，知識(shí)源層是動(dòng)態(tài)更新的，既可以增加新的知識(shí)源，又可以刪減已有的知識(shí)源。

2.知識(shí)抽取

互聯(lián)網(wǎng)中豐富的數(shù)據(jù)給人們的工作、學(xué)習(xí)提供了極大的幫助，但是數(shù)據(jù)量大并不一定意味著數(shù)據(jù)價(jià)值的增加，相反往往意味著數(shù)據(jù)噪聲、沖突、不完整數(shù)據(jù)的增多，不能保證信息的真實(shí)可靠性。此外，數(shù)據(jù)集成還會(huì)產(chǎn)生諸如重復(fù)、沖突、不一致等問題，而且知識(shí)源多源異構(gòu)、動(dòng)態(tài)增長(zhǎng)、先有數(shù)據(jù)后有模式，使知識(shí)抽取管理與技術(shù)上均存在較大困難。

智能化技術(shù)與人工控制相結(jié)合是解決知識(shí)抽取問題的有效方案。教師在教學(xué)過程中仍是課程內(nèi)容篩選的主要角色，相當(dāng)于充當(dāng)了知識(shí)源的過濾器，指定知識(shí)抽取來源，給出準(zhǔn)確有用的信息供學(xué)生學(xué)習(xí)。但是，面向眾多信息源以及電子文獻(xiàn)，僅靠教師手工處理工作量大、效率低，可以應(yīng)用如下技術(shù)提高工作效率。

（1）爬蟲技術(shù)。網(wǎng)絡(luò)爬蟲是一個(gè)自動(dòng)提取網(wǎng)頁的程序，從一個(gè)或若干初始網(wǎng)頁的URL開始，獲得初始網(wǎng)頁上的URL，在抓取網(wǎng)頁的過程中，不斷從當(dāng)前頁面上抽取新的URL放入隊(duì)列，直到滿足系統(tǒng)的一定停止條件。專業(yè)知識(shí)的爬取可采用聚焦網(wǎng)絡(luò)爬蟲（Focused Crawler），是指選擇性地爬行那些與預(yù)先定義好的主題相關(guān)頁面的網(wǎng)絡(luò)爬蟲，可以滿足獲取特定專業(yè)信息的需求。[8]專業(yè)課教師提交初始網(wǎng)址、專業(yè)課程名以及相關(guān)的主題詞，接著可以采用基于文本相似度計(jì)算、鏈接結(jié)構(gòu)評(píng)價(jià)、語義擴(kuò)展、機(jī)器學(xué)習(xí)等策略，識(shí)別相關(guān)的網(wǎng)頁內(nèi)容，最后由專業(yè)教師篩選。

（2）預(yù)處理技術(shù)。由于信息來源廣泛，不同來源的數(shù)據(jù)關(guān)系復(fù)雜，存在結(jié)構(gòu)化、半結(jié)構(gòu)化、非結(jié)構(gòu)化等形式多樣的數(shù)據(jù)，需要對(duì)抽取的數(shù)據(jù)進(jìn)行錯(cuò)誤、重復(fù)、沖突、不一致檢測(cè)，并定義質(zhì)量規(guī)則進(jìn)行處理，規(guī)范數(shù)據(jù)表示與存儲(chǔ)模式。

（3）分類技術(shù)。針對(duì)每一門課程，借助語義詞典、領(lǐng)域本體庫等，計(jì)算所爬行的頁面、電子文獻(xiàn)，以及電子教案等與主題詞之間的相關(guān)度，將相關(guān)度高的歸為相應(yīng)主題詞的類別。[9]

（4）增量維護(hù)技術(shù)。一方面知識(shí)源由教師團(tuán)隊(duì)定期增加或刪減;另一方面，采用增量式網(wǎng)絡(luò)爬取方法，對(duì)已下載網(wǎng)頁內(nèi)容采取增量式更新。

3.知識(shí)融合與存儲(chǔ)

將從各種資源抽取的知識(shí)內(nèi)容存儲(chǔ)在文檔庫中，同時(shí)，根據(jù)知識(shí)抽取層獲取的分類結(jié)果，針對(duì)每一門課程，構(gòu)建所抽取的知識(shí)索引表。索引表中一條記錄包含一個(gè)主題以及一個(gè)指向?qū)儆谥黝}類別的文檔列表指針，文檔列表可以按照主題詞的相關(guān)度排序，這樣能夠加快文檔檢索的速度。

另外，構(gòu)建課程知識(shí)圖譜能夠?qū)⒅R(shí)點(diǎn)關(guān)聯(lián)起來，實(shí)現(xiàn)學(xué)習(xí)路徑的導(dǎo)航。在教學(xué)中，教師往往在講解一個(gè)知識(shí)點(diǎn)（涉及主題、概念、原理等，下面統(tǒng)稱為實(shí)體）時(shí)需要介紹相關(guān)背景知識(shí)，因?yàn)樵S多知識(shí)點(diǎn)之間不是獨(dú)立的，相互之間存在因果、依賴、關(guān)聯(lián)、先后順序等關(guān)系。知識(shí)圖譜是一種圖的數(shù)據(jù)結(jié)構(gòu)，本質(zhì)上知識(shí)圖譜在描述現(xiàn)實(shí)世界中各種實(shí)體及其相互間的關(guān)系時(shí)，形成一個(gè)巨大的語義網(wǎng)絡(luò)圖，實(shí)體用節(jié)點(diǎn)表示，屬性或關(guān)系則是用邊來表示。知識(shí)圖譜對(duì)應(yīng)的知識(shí)庫可以表示為三元組的集合，常用neo4j圖形數(shù)據(jù)庫存儲(chǔ)。三元組的基本形式主要為“實(shí)體-關(guān)系-實(shí)體”和“實(shí)體-屬性-屬性值”，實(shí)體、關(guān)系以及屬性，可從文本（電子教案、網(wǎng)絡(luò)資源等）中抽取，同時(shí)由教師補(bǔ)充與修正。圖3展示了數(shù)據(jù)結(jié)構(gòu)課程的知識(shí)圖譜中一小部分實(shí)體及其相互之間的關(guān)系。

4.教學(xué)應(yīng)用

教學(xué)應(yīng)用層面向廣大師生，提供知識(shí)檢索、學(xué)生學(xué)習(xí)與記錄、教學(xué)內(nèi)容推薦、知識(shí)問答以及評(píng)估分析等功能，使師生能夠方便地對(duì)融合后的知識(shí)庫（文檔庫、知識(shí)圖譜、網(wǎng)課等）內(nèi)容進(jìn)行查詢、提問，快速準(zhǔn)確地返回結(jié)果與答案。為了實(shí)現(xiàn)這些功能，可以采用如下技術(shù)支持。

（1）查詢擴(kuò)展技術(shù)。由于在自然語言中一詞多義、多詞同義的現(xiàn)象普遍存在，準(zhǔn)確地評(píng)估檢索詞與候選文檔之間匹配程度是影響返回結(jié)果準(zhǔn)確性的關(guān)鍵點(diǎn)。采用查詢擴(kuò)展技術(shù)，即對(duì)查詢或問題語句進(jìn)行語義分析，借助開放的語義資源（如同義詞詞典）擴(kuò)充查詢?cè)~，由此在索引表中可以匹配更多的主題詞，從資源庫中搜索結(jié)果，抽取答案候選集，并根據(jù)結(jié)果候選集文檔與主題評(píng)分進(jìn)行排序，反饋給師生選擇。

（2）深度學(xué)習(xí)技術(shù)。對(duì)于問答功能的實(shí)現(xiàn)，目前較多研究工作采用深度學(xué)習(xí)方法，通過卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Networks，CNN）提取問題文本向量多粒度的抽象特征，獲取更高層的語義信息;[10]基于Attention機(jī)制的深度學(xué)習(xí)模型對(duì)候選結(jié)果集進(jìn)行相關(guān)度排序，以供提問者參考。

（3）學(xué)習(xí)內(nèi)容推薦技術(shù)。對(duì)于學(xué)生的每一次搜索與提問，系統(tǒng)會(huì)記錄下來，教師可以從學(xué)生學(xué)習(xí)記錄中了解學(xué)生學(xué)習(xí)興趣以及學(xué)習(xí)進(jìn)度，為個(gè)性化教學(xué)、推薦學(xué)習(xí)內(nèi)容提供依據(jù)。此外，知識(shí)圖譜也是智能化推薦學(xué)習(xí)的重要依據(jù)，根據(jù)檢索詞與從問題中抽取的關(guān)鍵詞，在知識(shí)圖譜中可以通過關(guān)系獲得與它們相關(guān)聯(lián)的實(shí)體，推薦給學(xué)生擴(kuò)展學(xué)習(xí)。

（4）評(píng)估分析。對(duì)學(xué)生每一次的提問與問答結(jié)果的瀏覽選擇順序進(jìn)行記錄，一方面，積累數(shù)據(jù)，挖掘搜索詞之間的關(guān)聯(lián)性，增強(qiáng)深度學(xué)習(xí)模型的訓(xùn)練能力;另一方面，分析學(xué)生對(duì)知識(shí)的掌握情況，統(tǒng)計(jì)頻度高的問題，使教師了解學(xué)生學(xué)習(xí)過程中的難點(diǎn)。

四、知識(shí)融合模型實(shí)現(xiàn)面臨的挑戰(zhàn)

目前，我們已經(jīng)面向計(jì)算科學(xué)技術(shù)專業(yè)的基礎(chǔ)課程開展了知識(shí)抽取與處理工作，并同時(shí)構(gòu)建知識(shí)圖譜。下一步的工作是基于所提出的知識(shí)融合模型開發(fā)集知識(shí)整合、搜索、推薦與問答于一體的教學(xué)平臺(tái)，這是一個(gè)較大的系統(tǒng)工程，面臨如下挑戰(zhàn)：

（1）知識(shí)選擇與處理的工作量。雖然可以利用爬蟲、自然語言處理等技術(shù)從網(wǎng)絡(luò)、文檔中自動(dòng)抽取大量與專業(yè)課程相關(guān)的文檔、主題、概念、原理等，但專業(yè)教師的手工處理工作量還是很大。首先，需要制定知識(shí)源，負(fù)責(zé)創(chuàng)建知識(shí)庫元信息，包括知識(shí)來源、類型、結(jié)構(gòu)等描述說明;其次，需要篩選知識(shí)點(diǎn)與主題，確定知識(shí)圖譜中實(shí)體之間的關(guān)聯(lián)關(guān)系，定義實(shí)體的屬性;最后，還需要定期增量更新知識(shí)源與知識(shí)庫等。

（2）知識(shí)檢索或問答的準(zhǔn)確率。知識(shí)檢索結(jié)果的準(zhǔn)確性是衡量教學(xué)平臺(tái)質(zhì)量的主要依據(jù)，一方面依賴于知識(shí)庫本身篩選的質(zhì)量;另一方面依賴查詢語句與文檔之間的匹配算法，不同于傳統(tǒng)的檢索詞匹配方法，需要解決語義相似度以及知識(shí)關(guān)聯(lián)性問題，獲得全面且準(zhǔn)確的問答結(jié)果面臨較大的困難。

（3）教學(xué)內(nèi)容推薦的精準(zhǔn)性。借助智能化技術(shù)，根據(jù)學(xué)生最近瀏覽檢索的內(nèi)容以及所提出的問題，可以挖掘與分析學(xué)生對(duì)哪些主題感興趣、哪些知識(shí)點(diǎn)掌握了、存在哪些疑難問題等，從而針對(duì)學(xué)生的具體情況，給學(xué)生推薦相關(guān)學(xué)習(xí)內(nèi)容。然而，為了獲得學(xué)生的具體學(xué)習(xí)情況，需要學(xué)生及時(shí)反饋，不斷積累學(xué)習(xí)過程訓(xùn)練集。因此，用戶數(shù)量以及使用數(shù)據(jù)的積累是精準(zhǔn)推薦的重要因素，需要在知識(shí)融合系統(tǒng)應(yīng)用一段時(shí)間后才能初見成效。

五、結(jié)語

本文研究了面向高等教育的知識(shí)融合模型，根據(jù)知識(shí)源具有多源性、實(shí)時(shí)性和復(fù)雜性等特點(diǎn)，利用自然語言處理、人工智能等技術(shù)挖掘互聯(lián)網(wǎng)中豐富且可靠的資源，將它們與傳統(tǒng)的教材、PPT、電子文檔等相融合;設(shè)計(jì)了適合大學(xué)生專業(yè)課程學(xué)習(xí)的平臺(tái)，該平臺(tái)包括知識(shí)源層、知識(shí)抽取層、知識(shí)融合與存儲(chǔ)層、教學(xué)實(shí)施層，并對(duì)各層功能進(jìn)行闡述，探索了相關(guān)實(shí)現(xiàn)技術(shù)。總之，實(shí)現(xiàn)面向高等教育的知識(shí)融合系統(tǒng)需要將智能化技術(shù)與專業(yè)教師的手工處理工作相結(jié)合，才能使大數(shù)據(jù)真正為教學(xué)服務(wù)，推進(jìn)網(wǎng)上教育的持續(xù)發(fā)展。

參考文獻(xiàn)：

[1]賀子彧.高校教學(xué)資源整合平臺(tái)建設(shè)的探索與研究[J].中國(guó)教育信息化，2020（13）：53-56.

[2]Chassignol M，Khoroshavin A，Klimova A，et al.Artificial intelligence trends in education： a narrative overview[J].Procedia Computer Science，2018（136）：16-24.

[3]趙慧臣，馬佳雯，張娜鈺.人工智能支持下的教學(xué)設(shè)計(jì)框架與實(shí)施[J].中國(guó)教育信息化，2020（13）：7-13.

[4]王正青，徐輝.大數(shù)據(jù)時(shí)代美國(guó)的教育大數(shù)據(jù)戰(zhàn)略與實(shí)施[J].教育研究，2018（2）：120-126.

[5]李家樂.淺談人工智能與電子信息技術(shù)在教育中的應(yīng)用[J].教育現(xiàn)代化，2019（38）： 243-244.

[6]Deng Y，Lu D，Huang D，et al.Knowledge graph based learning guidance for cybersecurity hands-on labs[C].Proceedings of 2019 ACM Global Computing Education Conference.USA：ACM，2019：194-200.

[7]Xia P.Application scenario of artificial intelligence technology in higher education[C].Proceedings of 2019 International Conference on Applications and Techniques in Cyber Intelligence. Switzerland：Springer Nature，2019：221-226.

[8]李東暉，廖曉蘭，范輔橋，黃九鳴等.一種主題知識(shí)自增長(zhǎng)的聚焦網(wǎng)絡(luò)爬蟲[J].計(jì)算機(jī)應(yīng)用與軟件，2014（5）：29-33，88.

[9]張芳芳，曹興超.基于字面和語義相關(guān)性匹配的智能篇章排序[J].山東大學(xué)學(xué)報(bào)（理學(xué)版）， 2018，53（3）：46-53.

[10]Peng Y X，Liu B.Attention-based neural network for short-text question answering[C].Proceedings of 2018 International Conference on Deep Learning Technologies.USA：ACM，2018：21-26.

（編輯：王天鵬）