基于知識圖譜的神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)課程教學(xué)改革

摘要：針對神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)課程教學(xué)中存在的知識點關(guān)聯(lián)度不足、知識脈絡(luò)不清晰等問題，本文提出一種基于知識圖譜的教學(xué)方法。首先，構(gòu)建了包含課程知識、教學(xué)內(nèi)容等實體的課程知識圖譜。隨后，從教師備課、授課、評估以及學(xué)生預(yù)習(xí)、聽講、復(fù)習(xí)等方面，探討了知識圖譜在該課程教學(xué)中的應(yīng)用。實踐表明，該方法有助于提高教師教學(xué)和學(xué)生學(xué)習(xí)質(zhì)量，為相關(guān)課程教學(xué)改革提供有益借鑒。

關(guān)鍵詞：知識圖譜；課程教學(xué)；神經(jīng)網(wǎng)絡(luò)；深度學(xué)習(xí)

中圖分類號：G642 文獻(xiàn)標(biāo)識碼：A

文章編號：1009-3044（2025）04-0167-03 開放科學(xué)（資源服務(wù)） 標(biāo)識碼（OSID） ：

0 引言

知識圖譜是一種數(shù)據(jù)建模技術(shù)，通過將大量數(shù)據(jù)表示為圖的形式，以便描述現(xiàn)實世界中各種實體及其之間的關(guān)系[1]，其中圖中節(jié)點表示實體，圖中邊表示實體之間的關(guān)系。可以發(fā)現(xiàn)，知識圖譜包含了豐富的知識。通過挖掘和利用這些知識，人們可以更加高效地獲取所需信息，實現(xiàn)更加智能的決策和應(yīng)用。隨著人工智能技術(shù)的推動以及實際應(yīng)用的需求，知識圖譜受到了工業(yè)和學(xué)術(shù)界的廣泛關(guān)注，并已成功應(yīng)用于諸多領(lǐng)域[2-4]。

在教育領(lǐng)域應(yīng)用的知識圖譜，稱為教育知識圖譜[5]。本質(zhì)上，教育知識圖譜是一種語義網(wǎng)絡(luò)，其中，包含了大量多模態(tài)的教育資源、知識，以及它們之間的關(guān)系。從教師教學(xué)和學(xué)生學(xué)習(xí)角度出發(fā)，教育知識圖譜的優(yōu)點主要有：1） 知識整合與呈現(xiàn)；2） 個性化教學(xué)支持；3） 教學(xué)資源關(guān)聯(lián)與創(chuàng)建；4） 學(xué)習(xí)路徑優(yōu)化；5） 學(xué)習(xí)診斷與反饋；6） 學(xué)習(xí)興趣激發(fā)。通常，教育知識圖譜可細(xì)分為學(xué)科知識圖譜和課程知識圖譜，前者能夠揭示學(xué)科領(lǐng)域內(nèi)的知識結(jié)構(gòu)和體系，后者能夠展示某一課程的知識結(jié)構(gòu)。

對于人工智能專業(yè)，神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)課程是極其重要的，體現(xiàn)在數(shù)據(jù)驅(qū)動的決策、自動化和智能化、醫(yī)療健康、自動駕駛、個性化推薦領(lǐng)域。比如，在大數(shù)據(jù)時代，神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)提供了一種強大的工具，能夠從海量數(shù)據(jù)中提取有價值的信息和模式，幫助企業(yè)和組織做出更加精準(zhǔn)的決策。該課程不僅是學(xué)生掌握現(xiàn)代人工智能技術(shù)的基礎(chǔ)，而且是他們理解和應(yīng)用人工智能前沿技術(shù)的關(guān)鍵。近年來，眾多學(xué)者從自身教學(xué)經(jīng)驗出發(fā)，針對該課程教學(xué)做出了若干改革探索與實踐[6-7]。但是，該課程的現(xiàn)有教學(xué)方式仍存在諸多不足之處：1） 知識點關(guān)聯(lián)度不足，現(xiàn)有的教學(xué)方式往往按照章節(jié)進(jìn)行知識傳授，忽略了知識點之間的內(nèi)在聯(lián)系；2） 知識脈絡(luò)缺乏梳理，現(xiàn)有的教學(xué)方式普遍缺乏對知識脈絡(luò)的清晰梳理，導(dǎo)致學(xué)生難以把握學(xué)習(xí)的重點和難點，如在教授深度學(xué)習(xí)時，教師可能會直接跳入復(fù)雜的網(wǎng)絡(luò)架構(gòu)，如循環(huán)神經(jīng)網(wǎng)絡(luò)或長短時記憶網(wǎng)絡(luò)，而沒有先從基礎(chǔ)的神經(jīng)網(wǎng)絡(luò)概念和原理講起；3） 實踐與理論脫節(jié)，現(xiàn)有的教學(xué)方式往往割裂它們，導(dǎo)致學(xué)生無法將理論有效應(yīng)用于實際項目中，如學(xué)生可能在課堂上學(xué)習(xí)了理論知識，但在實際操作中，如何選擇合適的網(wǎng)絡(luò)架構(gòu)、調(diào)參等實踐技能往往需要大量的經(jīng)驗積累；4） 學(xué)生缺乏自主學(xué)習(xí)能力，現(xiàn)有的教學(xué)方式一般過于注重知識的傳授，忽視了培養(yǎng)學(xué)生的自主學(xué)習(xí)能力。

鑒于此，本文旨在構(gòu)建神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)課程知識圖譜，并將其應(yīng)用于該課程教學(xué)實踐，以提高教學(xué)質(zhì)量和學(xué)生學(xué)習(xí)效果。本文的主要貢獻(xiàn)為：1） 根據(jù)神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)課程的特點，構(gòu)建該課程知識圖譜，方便教師教學(xué)和學(xué)生學(xué)習(xí)；2） 探索了基于知識圖譜的該課程教學(xué)模式，展示該課程教學(xué)的成效。

1 相關(guān)研究

本節(jié)從兩個方面總結(jié)已有的研究工作：知識圖譜應(yīng)用、課程教學(xué)改革。在此基礎(chǔ)上，引出本文的研究動機。

1.1 知識圖譜應(yīng)用

知識圖譜的概念最早由Google公司于2012年提出，目的是利用知識庫提高搜索引擎的性能，為用戶提供更智能、更精準(zhǔn)的搜索結(jié)果[5]。自提出以來，知識圖譜經(jīng)歷了快速發(fā)展和廣泛應(yīng)用。席運江等[2]基于尋醫(yī)問藥網(wǎng)糖尿病的問答文本和社區(qū)用戶的健康需求構(gòu)建中文在線醫(yī)療社區(qū)問答內(nèi)容知識圖譜，綜合利用了BERT、BiLSTM、CRF等多種知識圖譜前沿技術(shù)，挖掘其中醫(yī)療知識，從而推動社區(qū)知識發(fā)現(xiàn)和在線智能健康服務(wù)。陳明等[8]基于醫(yī)療知識圖譜設(shè)計智能問答系統(tǒng)，該系統(tǒng)融合了圖譜醫(yī)療知識的命名實體識別模型，提高了智能問答系統(tǒng)對用戶輸入自然語言問句的語義理解能力。Wang等[9]在新聞推薦中引入知識圖譜，通過注意力模塊捕捉用戶的動態(tài)偏好。宿愷等[3]基于多模態(tài)知識圖譜的結(jié)構(gòu)特性，給出了多模態(tài)商品知識圖譜構(gòu)建方法的流程。黎才茂等[10]基于知識圖譜構(gòu)建多粒度社交網(wǎng)絡(luò)用戶畫像，以便精準(zhǔn)定位每一多粒度社交用戶的屬性特征，提高算法的重建質(zhì)量。

調(diào)查發(fā)現(xiàn)，知識圖譜是人工智能的關(guān)鍵技術(shù)，具有廣泛的應(yīng)用前景。基于此，本文提出基于知識圖譜的神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)課程教學(xué)，以便提高教師教學(xué)和學(xué)生學(xué)習(xí)的質(zhì)量。

1.2 課程教學(xué)改革

課程教學(xué)涵蓋了教育過程中的多個方面，包括課程設(shè)計、教學(xué)方法、教學(xué)材料、評估方式等，其主體是教師和學(xué)生。一個成功的課程教學(xué)不僅需要教師具備豐富的專業(yè)知識和教學(xué)技能，還需要他們根據(jù)學(xué)生的需求和特點有針對性的教學(xué)。

目前，許多學(xué)者基于某一課程對課程教學(xué)方式進(jìn)行了若干研究，主要分為傳統(tǒng)課程教學(xué)研究和基于知識圖譜的課程教學(xué)研究。對于傳統(tǒng)課程教學(xué)研究，鄒德旋等[11]研究了數(shù)字信號處理課程教學(xué)，其中，對于教師，從前期資料搜集、中期授課、后期答疑等方面高質(zhì)量地完成該課程教學(xué)；對于學(xué)生，應(yīng)認(rèn)真學(xué)習(xí)課程內(nèi)容，多做習(xí)題，并虛心向老師請教，提高該課程學(xué)習(xí)的成績。徐森等[12]探索了編譯原理的教學(xué)方法，主要從三個方面入手，分別是精心選擇教學(xué)內(nèi)容、激發(fā)學(xué)生的學(xué)習(xí)興趣，以及加強實驗教學(xué)環(huán)節(jié)。

對于基于知識圖譜的課程教學(xué)研究，陳建輝等[5]構(gòu)建了高級語言程序設(shè)計知識圖譜，并從教學(xué)內(nèi)容和教學(xué)技術(shù)兩個方面，闡述了知識圖譜在教學(xué)實踐中的應(yīng)用。楊文霞等[4]介紹了面向智慧教育的課程知識圖譜的建設(shè)與應(yīng)用實踐，其中，以武漢理工大學(xué)線性代數(shù)課程為例，進(jìn)行了兩期教學(xué)實踐，結(jié)果表明，基于知識圖譜的智慧教育，能夠為學(xué)生提供個性化的學(xué)習(xí)方案。伍宏玨[13]提出構(gòu)建一個軟件工程課程知識圖譜可視化的課程教學(xué)方法，該方法能夠展示不同知識點之間的關(guān)系，使學(xué)生清晰地熟悉課程知識體系，從而激發(fā)學(xué)生的學(xué)習(xí)興趣。

可以發(fā)現(xiàn)，雖然課程教學(xué)改革的研究取得了一些進(jìn)展，但是，該研究的相關(guān)成果并不全面。此外，基于知識圖譜的課程教學(xué)研究受到了很大青睞。但是，針對神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)課程教學(xué)，到目前為止，缺少知識圖譜的應(yīng)用研究。基于此，本文將研究基于知識圖譜的該課程教學(xué)。

2 神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)課程知識圖譜的構(gòu)建

2.1 總體框架

構(gòu)建神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)課程知識圖譜時，首先，進(jìn)行充分的數(shù)據(jù)準(zhǔn)備，包括非結(jié)構(gòu)化和半結(jié)構(gòu)化數(shù)據(jù)，為后續(xù)該課程知識圖譜的構(gòu)建過程奠定基礎(chǔ)；然后，構(gòu)建該課程的本體，以便確定該課程相關(guān)的核心概念及其關(guān)系；其次，基于構(gòu)建的該課程本體，進(jìn)行知識抽取；接著，進(jìn)行知識加工，以便提高該課程知識圖譜數(shù)據(jù)庫的質(zhì)量；最后，進(jìn)行該課程知識圖譜的可視化展示，以便幫助學(xué)生更清晰地理解知識點之間的關(guān)系和結(jié)構(gòu)。構(gòu)建神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)課程知識圖譜的框架如圖1所示。

2.2 數(shù)據(jù)準(zhǔn)備

收集神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)課程數(shù)據(jù)時，數(shù)據(jù)主要分為非結(jié)構(gòu)化和半結(jié)構(gòu)化數(shù)據(jù)。對于非結(jié)構(gòu)化數(shù)據(jù)，主要來自權(quán)威教材，如邱錫鵬的《神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)》[14]，教學(xué)大綱，課程思政案例，教學(xué)要求，課程文獻(xiàn)等。其中，對于紙質(zhì)材料，通過文字識別軟件進(jìn)行數(shù)字化轉(zhuǎn)換；對于在線資源，主要借助網(wǎng)頁爬蟲技術(shù)批量獲取。對于半結(jié)構(gòu)化數(shù)據(jù)，主要來自中國大學(xué)MOOC相關(guān)課程、百度百科、搜狗百科等。

進(jìn)一步，對上述數(shù)據(jù)進(jìn)行預(yù)處理，包括數(shù)據(jù)清洗、去除停用詞、分詞和詞性標(biāo)注，形成課程數(shù)據(jù)集。

2.3 本體構(gòu)建

課程本體是指課程相關(guān)的核心概念及其關(guān)系，基于課程內(nèi)容，可將課程核心概念劃分為以下類型。

1） 課程知識，主要指課程涉及的概念，如基本概念、語法、規(guī)則等。

2） 教學(xué)目標(biāo)，明確學(xué)生完成課程后應(yīng)達(dá)到的預(yù)期效果。

3） 教學(xué)內(nèi)容，指課程涉及的具體知識、技能等。

4） 教學(xué)方式，用于傳授課程內(nèi)容的教學(xué)策略或技巧。

5） 考核方式，用于衡量學(xué)生是否達(dá)到教學(xué)目標(biāo)的標(biāo)準(zhǔn)。

6） 教學(xué)資源，課程所需的教學(xué)、學(xué)習(xí)資源相關(guān)概念，包括書籍、文獻(xiàn)、視頻、音頻、網(wǎng)站、應(yīng)用程序等。

目前，廣泛采用開源軟件Protégé[15]來構(gòu)建課程本體。

2.4 知識抽取

知識抽取包括知識實體識別及其關(guān)系挖掘，前者是自然語言處理中的一個重要任務(wù)，目的是從文本中準(zhǔn)確識別出特定的實體。進(jìn)一步，根據(jù)神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)課程的特色，本文將知識實體之間的關(guān)系分為包含、要素和關(guān)聯(lián)三種。

對于兩個知識實體，包含關(guān)系是指兩個課程知識實體之間具有從屬關(guān)系。對于一個知識實體，該實體可能由多個構(gòu)成要素組成。此外，知識實體關(guān)聯(lián)關(guān)系是指兩個課程知識實體之間存在相關(guān)性。

為了高效提取知識實體及其關(guān)系，本文采用基于深度學(xué)習(xí)的方法[5]。

2.5 知識加工

容易知道，知識圖譜構(gòu)建過程中，非結(jié)構(gòu)化的知識文本可能存在模糊和重復(fù)的數(shù)據(jù)，嚴(yán)重影響了知識圖譜數(shù)據(jù)庫的質(zhì)量。基于此，本文對知識文本進(jìn)行加工，主要涉及知識實體消歧和共指消解[4]，前者針對同名實體指代不同客觀事物的問題，后者則用于處理多種表達(dá)方式表示同一實體的問題。

2.6 知識圖譜可視化

知識圖譜可視化是將知識圖譜數(shù)據(jù)轉(zhuǎn)化為直觀易懂的圖，通過將知識實體及其關(guān)系組織在一起，形成一個圖形化的知識網(wǎng)絡(luò)，使學(xué)生能夠更直觀地理解知識的關(guān)聯(lián)性和結(jié)構(gòu)。圖2展示了神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)課程部分知識圖譜。

3 基于知識圖譜的神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)課程教學(xué)

神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)課程教學(xué)的目的是讓學(xué)生熟練掌握該課程的理論，并能夠運用這些理論知識到實際工程中。容易知道，該課程教學(xué)過程主要涉及教師和學(xué)生兩個主體。為了提高教師教學(xué)和學(xué)生學(xué)習(xí)質(zhì)量，本文采用了基于知識圖譜的神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)課程教學(xué)。下面，將從這兩方面進(jìn)行基于知識圖譜的該課程教學(xué)實踐。

對于教師教學(xué)，將從教師備課、授課、評估三方面闡述基于知識圖譜的神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)課程教學(xué)。

1） 教師備課，教師能夠利用知識圖譜構(gòu)建系統(tǒng)的知識體系，確定教學(xué)重點。

2） 教師授課，教師在課堂上能夠以圖的方式清晰地展示知識點之間的關(guān)聯(lián)關(guān)系，并利用知識圖譜進(jìn)行互動式教學(xué)，引導(dǎo)學(xué)生參與討論。

3） 教師評估，教師可以進(jìn)行教學(xué)過程、學(xué)生學(xué)習(xí)行為、學(xué)生學(xué)習(xí)效果等全過程的實時跟蹤，建立多維教學(xué)質(zhì)量評價指標(biāo)。

對于學(xué)生學(xué)習(xí)，將從課前預(yù)習(xí)、課中聽講、課后復(fù)習(xí)三方面闡述基于知識圖譜的神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)課程教學(xué)。

1） 學(xué)生課前預(yù)習(xí)，學(xué)生可以清晰地看到課程中的關(guān)鍵知識點和它們之間的關(guān)系，形成一個明確的學(xué)習(xí)路徑。

2） 學(xué)生課中聽講，學(xué)生可以在知識圖譜上標(biāo)注自己的疑問或難點，與其他同學(xué)或老師進(jìn)行討論和交流。

3） 學(xué)生課后復(fù)習(xí)，通過回顧知識圖譜中的知識點及其關(guān)系，有助于加深理解課程內(nèi)容，提高學(xué)習(xí)效果。

4 結(jié)論

神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)是人工智能領(lǐng)域的必修課程，創(chuàng)新課程教學(xué)方式，有助于提高教學(xué)質(zhì)量，激發(fā)學(xué)生的學(xué)習(xí)興趣和熱情。鑒于此，本文采用基于知識圖譜的該課程教學(xué)。首先，構(gòu)建神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)課程知識圖譜，主要包括數(shù)據(jù)準(zhǔn)備、本體構(gòu)建、知識抽取、知識加工、知識圖譜可視化。然后，進(jìn)行基于知識圖譜的該課程教學(xué)實踐，從教師教學(xué)和學(xué)生學(xué)習(xí)兩方面闡述知識圖譜在該課程教學(xué)中的應(yīng)用。后續(xù)我們將不斷完善神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)課程知識圖譜，并將其應(yīng)用到其他課程教學(xué)。

參考文獻(xiàn)：

[1] 顏慧. 混合式教學(xué)中課程知識圖譜的構(gòu)建與應(yīng)用研究[J]. 電腦知識與技術(shù)， 2024，20（2）：175-177.

[2] 席運江， 李曼， 鄧雨珊， 等. 中文在線醫(yī)療社區(qū)問答內(nèi)容知識圖譜構(gòu)建研究[J]. 圖書情報工作，2024，68（4）：124-136.

[3] 宿愷， 潘晨輝. 電商領(lǐng)域多模態(tài)商品知識圖譜構(gòu)建研究[J].現(xiàn)代電子技術(shù)，2023，46（20）：173-177.

[4] 楊文霞， 王衛(wèi)華， 何朗， 等. 知識圖譜賦能智慧教育的研究與實踐：以武漢理工大學(xué)“線性代數(shù)”課程為例[J]. 高等工程教育研究，2023（6）：111-117.。

[5] 陳建輝， 栗覓《. 高級語言程序設(shè)計》課程知識圖譜構(gòu)建及其在教學(xué)實踐中的應(yīng)用[J]. 電子元器件與信息技術(shù)，2023，7（12）：205-208.

[6] 羅秀麗， 陳平. 產(chǎn)教融合背景下“神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)”課程教學(xué)改革[J]. 工業(yè)和信息化教育，2022（11）：17-21.

[7] 李睿凡， 王小捷， 鐘義信. 探索神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)的教學(xué)[J].計算機教育，2014（19）：77-79.

[8] 陳明， 劉蓉， 熊回香. 基于醫(yī)療知識圖譜的智能問答系統(tǒng)研究[J]. 情報科學(xué)，2023，41（12）：118-126.

[9] WANG H， ZHANG F， XIE X， et al. DKN： Deep knowledgeawarenetwork for news recommendation[C]. Proceedings of the2018 World Wide Web Conference International World WideWeb Conferences Steering Committee，2019：1835-1844.

[10] 黎才茂， 陳少凡， 林成蓉， 等. 基于知識圖譜的多粒度社交網(wǎng)絡(luò)用戶畫像構(gòu)建方法[J]. 吉林大學(xué)學(xué)報（工學(xué)版），2022，52（12）：2947-2953.

[11] 鄒德旋， 李洪美， 王曉燕.“ 數(shù)字信號處理”課程教學(xué)研究[J]. 電氣電子教學(xué)學(xué)報，2021，43（4）：89-93.

[12] 徐森， 徐靜， 曹瑞.“ 編譯原理”教學(xué)方法初探[J]. 科教文匯，2015（13）：79-80.

[13] 伍宏玨. 軟件工程知識圖譜的構(gòu)建與應(yīng)用研究[J]. 信息與電腦，2023（17）：247-249.

[14] 邱錫鵬. 神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)[M]. 機械工業(yè)出版社，2020.

[15] Protégé. A free， open-source ontology editor and frameworkfor building intelligent systems[EB]. https：//protege.stanford.edu/.

【通聯(lián)編輯：王力】

基金項目：江蘇省高等教育教改研究項目（2023JSJG399） ；江蘇省學(xué)位與研究生教育教學(xué)改革項目（JGKT24_C088） ；江蘇高校品牌專業(yè)建設(shè)工程資助項目；江蘇省高校“高質(zhì)量公共課教學(xué)改革研究”專項課題（2022JDKT110） ；教育部產(chǎn)學(xué)合作協(xié)同育人項目（230704422221100、220505384212000）