基础教育资源共享平台的理论与技术*

方 哲 徐朝军

教育资源共享平台主要服务于基础教育阶段的教师与学生，用于教学资源的共享与使用。与其他资源平台相比，该平台以关注个人、集体资源共享和使用行为为基点，翔实地记录个人、集体共享、查看、搜索、下载资源等诸多活动，从而生成个性化的资源推荐列表，使用户更容易获取满意的资源。教师个人、学校及教育主管部门可以上传共享教育资源，打破资源垄断，通过资源交流促进教师的专业成长。

一、平台架构、功能与特色

（一）平台架构

本平台所使用的知识图谱以课程标准、教案文档、试卷习题、阅读材料作为源数据，采用TFIDF、TextRank等关键词抽取技术抽取文本数据中的知识点，综合字符串相似度、知识点贡献等算法抽取知识点之间的联系。对抽取到的知识点及关系采用机器与人工相结合的方式进行过滤，构建基础教育知识图谱。考虑到知识图谱存在大量关系数据，故采用Neo4j数据库对基础教育知识图谱进行存储。

平台上线后，政府部门、企业单位、学校以及教师个人均可以通过API接口上传资源，平台自动对资源进行标注、编码处理后将资源并入共享库，并与知识图谱中的知识点进行关联，同时系统会对上传的资源质量、知识点覆盖面等指标进行评估。使用者可以根据知识点搜索、知识图谱浏览、目录导航、用户个性化推荐等多种方式访问资源，建立个性化资源包，也可以下载资源包进行二次开发设计。

（二）平台功能

1.资源个性化推荐

在实现基于知识图谱导航的教学资源系统的基础上，实现对用户教学资源的个性化推荐。平台首页有三列资源，分别为热门资源、最新资源和推荐资源。资源采用了协同过滤算法和知识图谱辅助推荐相结合的融合推荐方式。这种方式不仅加入了知识图谱辅助推荐，还在原来的用户和浏览资源记录二维数据的基础上，增加了资源本身的语义和资源间的联系，大大缓解了冷启动和数据稀疏问题，实现了精准推荐，促进了资源的有效利用。

2.自定义资源包

师生在教学过程中会需要整理符合当前进度的资源的情况，比如单元复习、薄弱点突击、重点整理等。平台为这一需求提供了资源包这一功能，用户可以自行创建资源包，可以添加平台中所有类型的资源以及知识点、学习目标、学习重难点等条目，还可以创建简介作为学习笔记或记录其中的重要内容。资源包也可以一键打包下载，资源将会整合在压缩包中，其他条目则会以文本形式进行存储。

二、平台搭建的关键技术

1.知识图谱构建技术

知识图谱的构建主要分知识抽取、知识加工和知识融合3个步骤。知识抽取包括实体抽取、关系抽取以及属性抽取。实体抽取采用基于规则和词典的方法、传统机器学习的方法以及基于深度学习的方法，从语料中识别出知识实体。关系抽取的目的在于抽取文本中的实体对以及识别实体对之间的语义关系。根据对人工标注的依赖程度，抽取方法可以分为有监督的关系抽取方法、半监督的关系抽取方法以及无监督的关系抽取方法。知识属性抽取可以丰富对知识本身的认识，由于属性值结构是不完全确定的，因此采用了基于规则的抽取方式。

知识加工的主要目的是获得结构化的体系，经过实体对齐，能够获得初步的本体以及大量的基本事实描述，但同时还必须经过知识加工过程才能够获得更高质量的认识实体，在层次上建立一种更大规模的认识系统，从而完成对认识体系的整合与管理。而认识加工主要分为本体构建、知识推理以及质量评估3个阶段。本体构建过程通常分为纵向概念之间的并列计算、实体上下位关联抽取和本体生成3个过程。知识推理则是在已有的认识基础上获取新的事实，或者经过对知识的归纳实现个体知识到一般知识的推广。最后通过质量评估对知识进行评估测量，留高去低，从而保证知识的质量和图谱的质量。

知识融合是将不同知识库中的同一实体融合在一起，主要包括实体对齐和实体消歧两个环节。通过与实体对齐将出现在不同知识图谱或数据库中的但带有同一意义的知识实体对齐，再通过实体消歧将存在歧义的实体根据上下文来消除一词多义的现象。

经过知识提取、知识加工、知识融合3个过程即可形成本平台所要求的知识点图谱。

2.资源推荐技术

目前教学资源个性化推荐侧重于对学习者兴趣进行建模分析。该类推荐方法是使用与学习者之间的各种交互行为数据信息以及基于学习者兴趣的元数据信息来为每个学习者分别建模，进而根据推荐算法为每个学习者推荐其可能会感兴趣的资源。这种方法更多偏重于与学习者的偏好相近的学习资源，但容易忽视资源间的内在逻辑关系。因此在改善协同过滤推荐算法以更适用于教学资源推荐的同时，还要考虑资源之间的联系。