朱艳茹, 范亚芹, 赵 洋

(吉林大学 通信工程学院, 长春 130012)

0 引 言

作为教育大数据的典型应用, “自适应学习”受到国内外教育科技界的广泛关注。自适应学习系统是打破传统教育模式, 实现个性化学习和因材施教的重要手段, 主要包括知识模型、 学生模型、 接口模型和自适应推荐引擎4个模型[1]。知识模型用于描述知识结构、 表达知识概念之间的联系, 是自适应学习系统进行内容推荐的重要依据。因此, 知识模型的质量直接决定了自适应学习系统进行内容推荐的精准度。

目前, 很多学者对知识模型进行了研究, 大部分知识模型或基于教学大纲搭建或只进行简单分类, 忽略了知识概念之间的关联以及学生因素对于知识模型质量的影响。故大部分知识模型均存在知识表现离散、 系统性不强和实用性差等问题。知识图谱[2-5]可直观表达实体之间的联系, 是多学科融合的知识结构图, 是实体与实体之间关系以及实体属性的集合, 因此知识图谱的应用将有效解决知识模型系统性不强的问题。根据教学大纲搭建的知识模型, 只考虑了知识本身的结构体系和领域专家的教学经验, 却忽略了系统的使用者对于系统的影响。故笔者利用FP-Growth关联规则挖掘算法对知识实体间的关系进行动态更新, 充分考虑了学生行为数据对知识模型的影响, 进而提高了系统的实用性。

1 知识图谱

图1 知识图谱的网络结构Fig.1 The network structure of knowledge map

知识图谱是结构化的语义网, 用于以图的形式描述知识工程中知识实体及其相互关系[6]。……