项目交流会语文学科本体知识库构建

1、项目交流会语文学科本体知识库构建主要内容研究项目的背景简介语义网相关技术简介本体知识库构建路线构建过程的心得体会2020/12/192研究项目的背景简介2020/12/1932020/12/1942020/12/1952020/12/196本体知识库的研究与应用研究领域：Linked Open Data, Dbpedia2020/12/197本体知识库的研究与应用工程领域：Google的Knowledge Graph2020/12/198“大项目中的基础研究”构建面向基础教育的海量知识库2020/12/199本体知识库构建基本路线学科知识概念体系(领域本体)资源库系统(书籍、网站资源等)语义标

2、注系统 (半自动化/自动化语义标注)面向基础教育的海量知识库权威性知识清单教辅书等教材、教师用书、课内外读物等基于知识库的应用系统(知识库展示系统、知识记忆类问题的问答系统等)归纳总结版面标注2020/12/1910语义网相关技术简介2020/12/1911Semantic Web(语义网)1998年Tim Berners-Lee提出语义网的概念“Web of documents”到“Web of data”语义网的七层体系结构2020/12/1912RDF(资源描述框架)Resource Description Framework用来描述网络资源的标记语言使用RDF Triple描述知识库中

3、的知识 唐诗李白 2020/12/1913Ontology(本体)本体是共享概念模型的形式化规范说明，它的目标是描述相关领域的知识，确定该领域内共同认可的概念(词汇、术语)，并给出这些概念和概念间相互关系的明确定义使用本体描述语言来描述学科知识概念体系2020/12/1914本体知识库构建路线2020/12/1915本体知识库构建基本路线学科知识概念体系(领域本体)资源库系统(书籍、网站资源等)语义标注系统 (半自动化/自动化语义标注)面向基础教育的海量知识库权威性知识清单教辅书等教材、教师用书、课内外读物等基于知识库的应用系统(知识库展示系统、知识记忆类问题的问答系统等)归纳总结版面标注20

4、20/12/1916知识库构建中的难点2020/12/1917难点一：本体构建结合七步法构建本体(斯坦福大学 Ontology Design)2020/12/1918语文本体构建流程(1)确定本体的应用领域和知识范畴参考资料 (百度文库)通过阅读上面的资料可以基本了解语文学科大致的知识范围，有助于后面各个阶段中的知识点取舍问题，例如以下这些内容对于后面的体系结构的构建都是有用的信息：义务教育新课程标准(2011版)语文的附录五中明确列出了3500个常用汉字；普通高中语文课程标准的附录一中列出了120个常见的文言实词和15个文言虚词，附录二列出了高中阶段的古诗文诵读篇目；2015年全国新课标高考

5、语文考试大纲中详细指出了高考语文的考核范围。义务教育新课程标准义务教育新课程标准(2011版)语文普通高中课程标准普通高中语文课程标准新课标考试大纲2015年全国新课标高考语文考试大纲2020/12/1919语文本体构建流程(2)确定概念和概念层次关系参考资料 (推荐以下书籍)通过阅读上面的资料可以初步确定语文学科知识概念体系，在确定体系结构的时候要尽量保证知识覆盖率广、准确率高。例如，通过分析语文学科知识清单类书籍可知，语文学科主要是分为了5大模块：（1）语言文字运用；（2）文学常识、文化常识和名句名篇；（3）古代诗文阅读；（4）现代诗文阅读；（5）作文。然后再结合相关的书籍和资料，对每个大

6、模块再进行划分，构建过程当中的知识取舍问题尽量参考课程标准和考试大纲来确定(知识粒度的把握是一个很困难的事情，可以考虑)。教辅类书籍 (精读)高中语文知识清单、初中语文知识清单语文基础知识手册教材类书籍 (略读)人教版高中/初中/小学 语文教材2020/12/1920语文本体构建流程(3)确定知识概念的属性参考资料 (根据学科在网上调研)通过阅读上面的资料可以辅助完善语文学科的知识概念体系结构，确定知识概念的通用属性。例如，提取汉字的属性、文言词的属性等；海量图书中可以抽取重要内容作为已有知识点的补充。互联网汉文学网（在线新华字典、汉语词典、成语词典等）古诗文网（诗文、名句、典籍等）海量图书选

7、修教材、教师用书等2020/12/1921语文本体构建流程(4)确定概念之间的关系参考资料同以上构建流程考虑问答系统能够解决什么类型的题目，这些题目的答案一般体现的知识概念之间的关系上常见的8种关系：部分与整体关系 part-of类属关系 kind-of实例关系 instance-of属性关系 attribute-of等同关系 synonymy-of比较关系 compare-of顺序关系 sequence-of转换关系 conversion-of2020/12/1922语文本体构建流程(5)添加部分实例进行验证参考资料同以上构建流程尝试列举一些实例验证现有的本体 (Protege)2020/1

8、2/1923语文本体目前研究现状(1)2020/12/1924语文本体目前研究现状(2)2020/12/1925语文本体目前研究现状(3)知识属性集合名称 说明 来源 类别 特征 结构 意义 要求 作用 用法词类 关系 相关字 相关词 字音 字形 解释 举例作者 国别 时代 主要作品 内容 体裁 属于 要素性质 发展历程 语言 表达技巧 写作要求 作品 知识来源 2020/12/1926难点二：版面标注语义标注的对象是网页文档(*.html)从纸质书籍到网页文档的过程称之为版面标注，该过程由点通公司完成，但是具体的版面标注方案由校方提出点通公司进行版面标注之后得到的是EPUB格式的文件，该文件

9、解压之后即可得到书籍对应的网页文档以及图片内容参考文档版面标注方案制定指南+ X版面标注方案基础教育资源库书籍加工规范(版面标注方案制定指南)语文版面标注方案数学版面标注方案点通版面标注规范需求文档2020/12/1927版面标注结果演示 (1)2020/12/1928版面标注结果演示 (2)2020/12/1929难点三：半自动化语义标注设计并实现语义标注系统，系统的基本功能是根据设置的本体，采用人工的方式对网页文档(部分书籍的版面标注结果)进行语义标注，选定主谓宾并生成RDF三元组保存到本体知识库中。语义标注系统的实现过程中可能遇到的技术难点：1.用户标注的交互界面：操作简单便捷；2.标注

10、元数据的提取：提取标注人、时间、位置等标注信息；3.系统对本体的自适应性：系统能够立即适应对本体的更新；4.对于特殊内容的标注：例如普通图片以及公式图片等内容的标注；参考实现：Pundit 2020/12/1930基本功能演示界面(Pundit)2020/12/1931Semantic Annotation System ArchitectureAnnotation Client Rest APISesameTriple Store repositoryMySQL(users, permissions)Rest APIResource System(books)Ontology EditorH

11、TTPAnnotation ServerRest API?2020/12/1932难点四：自动化语义标注自动化语义标注目前处于调研阶段，其方法大致有两类：基于模式的：模式可以是手动定义也可以是挖掘得到的；基于机器学习的：可以是基于统计模型的，也可以是基于NLP的。如果数据量特别大的话，可以考虑采用Map-Reduce架构来实现2020/12/1933构建过程的心得体会2020/12/1934心得体会总结1.构建知识概念体系选用知识点密集、权威性高的教辅书籍，推荐曲一线的知识清单类书籍；2.构建的知识概念体系和知识点属性采用Excel的形式描述，便于修改，后期可以通过程序生成本体；3.知识点的属性以及知识概念之间的关系一定要尽可能详细，这样便于后期自动问答系统回答问题；4.版面标注方案的制定一定要考虑知识是否有用以及如何才能使得后期语义标注更加