28、虚拟教学助手：关键技术解析

虚拟教学助手：关键技术解析

随着人工智能技术的发展，虚拟教学助手（VTAs）受到了广泛关注，许多人工智能技术为其人性化服务提供了支持。本文将介绍VTAs中模拟人类思维和行为的一些关键技术，包括教育知识图谱、自然语言问答、视觉问答和学习分析。

教育知识图谱

知识图谱是由节点和边组成的语义知识库，最初由谷歌提出用于优化搜索引擎的搜索结果。节点代表现实世界中的实体，边代表实体之间的语义关系，通常以资源描述框架（RDF）的形式存储在知识库中。例如，RDF ⟨姚明, 出生地, 上海⟩ 表达了“姚明出生在上海”这一事实。

教育知识图谱（EKG）根据认知关系组织大规模学习资源，其节点代表一门课程或学科的知识单元，边表示知识单元之间的认知关系。许多流行的大规模开放在线课程（MOOC）平台，如可汗学院和中国大学MOOC，都使用EKG技术为学习者可视化课程概念。EKG的两个关键点是构建和嵌入，下面将分别介绍。

教育知识图谱的构建

EKG的构建包括三个部分：知识单元提取、属性提取和认知关系提取。
- 知识单元提取 ：从结构化或非结构化数据中提取知识单元是EKG构建的基础。由于不同课程和学科中知识单元的含义和粒度不同，此过程需要考虑不同领域的特点。主要方法之一是基于条件随机场（CRF），将知识单元提取任务转化为序列标注。例如，Tang等人定义了三种类型的标记特征，并将其集成到CRF模型中，以识别研究人员简介中的知识单元。另一种方法是使用神经网络自动发现非结构化文本中知识单元的特征。
- 属性提取 ：知识单元的属性从多个角度描述其特征。不同的研究提出了多种属性提取方法