DIY-MKG: An LLM-Based Polyglot Language Learning System

文章主要内容总结

本文介绍了一款基于大语言模型（LLMs）的多语言学习系统——DIY-MKG（Do-It-Yourself Multilingual Knowledge Graph），旨在解决现有语言学习工具的三大局限：缺乏多语言词汇间的语言学关联支持、个性化定制不足、以及可能导致的“认知卸载”（学习者过度依赖AI而缺乏独立思考）。

DIY-MKG的核心功能包括：

1. 词汇扩展：用户以已知词汇为初始节点构建多语言知识图谱，通过LLM生成相关词汇并选择性添加，强化词汇间的语言学关联（如同义词、同源词等）；
2. 丰富注释：支持节点（单词语义、例句等）、边（词汇关联解释）和超边（多词关联文档）三级注释，增强个性化学习；
3. 自适应复习：基于词汇点击次数（反映熟悉度）生成个性化测验（选择题、填空题），支持用户标记错误题目以优化生成逻辑。

评估显示，DIY-MKG的词汇扩展在多语言中可靠且公平，生成的测验准确性高，验证了系统的稳健性。

创新点

1. 多语言知识图谱构建：将词汇以知识图谱形式可视化，而非传统列表，突出多语言词汇间的语言学关联（如同源词、借词），助力词汇习得；
2. 开源可定制：所有组件可自定义，支持适配特定领域（如医学）或学习阶段，满足个性化需求；
3. 减少认知卸载：通过用户手动选择扩展词汇、标记错误题目，促