基于知识图谱的智能测评系统设计与实现
这是一篇关于教育智能化,知识图谱,在线测评,Web API的论文, 主要内容为互联网技术的越发成熟和人工智能技术的研究热潮促使着各个行业进行升级转变,教育行业的信息化和智能化正在成为新时代教育发展的新航向。采用互联网技术的网络考试系统近些年已经得到大规模普及,而结合人工智能技术对教学过程进行优化变成了教育发展的新突破口。当前的互联网教育方式仅仅是将部分传统教育过程中的考试和知识查看进行了数字化的转变,普遍缺乏与人工智能技术的融合,而当前业界对于教育人工智能的研究一方面仅关注理论研究,没有对实际使用进行研究,另一方面缺乏大量精心整理的样本数据进行模型训练。智能化的测评考试系统结合知识图谱和测评考试记录可以针对学生个体进行分析,并以此指导学生个体调整学习的方法,使得教育水平得到精细化的进步。本文以知识图谱为基础对学生个体间的答题记录差异分析,得出每个个体对知识图谱的掌握情况,从而自动生成针对学生个体的学习路径。本文的主要工作如下:(1)对信息化教学考试和教育领域人工智能的国内外研究状况及产品现状进行总结,对系统开发所应用的相关技术进行了介绍。在功能性需求分析中划分了三种不同的角色并对各项需求通过系统用例图的方式进行描述,另外还对非功能性需求进行了分析。按照需求分析将功能模块规划为教师端、学生端和管理端三大模块,分别对应三种不同角色的用户,同时通过E-R图给出了数据库的概要设计,在系统详细设计中通过伪代码或流程图的方式对各项功能的设计逻辑进行介绍。(2)设计使用专家创建、通过知识图谱自动生成算法对其进行优化的方式进行知识图谱的生成,测评考试中的试题在创建时就通过标注知识点标签的方式与知识图谱进行关联,学生个体经过一定量的考试答题记录积累即可转化为对知识点集合的正确率情况,进而通过学习路径自动生成算法生成针对此学生个体的学习路径。(3)采用Web API架构提供统一的底层数据服务,面向用户的应用分为基于B/S架构的学生端网站应用和教师端应用网站、基于C/S架构的管理员端桌面窗口应用。将底层数据服务、教师端网站、学生端网站和管理端软件进行相互独立的部署可以增加系统整体的稳定性和可维护性,同时可以分流来自不同用户的并发处理压力。在统一的底层数据服务基础上可以方便的进行其他应用场景的扩展,从而方便系统针对不同的需求进行灵活的改进。
基于WEB API的江苏省级现代农业产业园区监测评价系统设计开发与应用
这是一篇关于现代农业园区,监测评价,指标体系,Web API的论文, 主要内容为近十多年来,现代农业产业园区已经成为推动农业现代化和高质量发展的重要抓手,得到中央和地方政府的肯定和支持。江苏是国内最早开展省级现代农业产业园区(以下简称“省级园区”)建设的省份。构建基于现代网络技术的园区发展基础数据上传、管理、分析和建设水平的科学、标准化评估信息平台,已成为评估检验全省省级园区建设水平、推动园区建设管理水平提档升级的迫切要求,对进一步推动全省园区高质量发展具有重要的意义。由于Web API具有松散耦合、平台无关、可扩展等特性,使得其可很方便的用于构建前后分离架构的现代化Web应用系统。本研究以实现江苏省级园区监测评价工程信息化为目标,研究制定了一套针对省级园区建设目标要求和建设管理特点的评价指标体系,以及省级园区建设水平评价管理与分析的信息化平台,为全省省级园区的监测和评价提供了技术支持。本文工作的主要贡献如下:(1)调查分析江苏省省级现代农业产业园区的产业结构特点、地区环境条件差异、以及监测评价工作的现状和特点,按照省政府相关部门的监管要求构建了6个大类计37项具体评价指标,上千项反映园区建设水平的基础数据,研究确定了用于分析评价的综合监测评价指标体系和等级评价考核方法。(2)基于Web API的前后端分离多层架构,创新性的研发了具有园区数据填报、数据智能校验、多部门数据审核、指标评价计算、微信民意调研,以及各类基础数据的查询、统计分析、动态数据可视化展示等多种特色功能的“江苏省现代农业产业园区监测评价系统”。(3)在Web API中集成整合Swagger UI、Mini Profiler等工具和缓存技术,为系统的测试、调试和优化提供了极大的便利,结合T4模板技术,大大减少了重复的代码劳动。通过Vsa Engine和Java Script解决了公式动态计算的问题,实现数据的智能校验和评价自动计算功能,有效提高了数据采集的准确性和实效性,提高了监测评价工作的效率。(4)采用VUE.JS框架及其衍生生态工具进行搭建的前端Web应用,配合Echarts组件,具有优秀的用户体验和视觉效果,并支持数据填报校验预警提示、统计分析数据动态可视化展示等功能,为监测评价工作的开展提供了良好的应用体验。(5)创新性的利用微信公众号和LBS定位技术,开发了收集基层农民、干部、新型经营主体等园区建设参与和收益者对园区建设成就独立评价的民意调查新手段、新方法,极大提高了民调工作的效率、可操作性、受调查者自主答题的私密性、调查结果的可靠性,并将民调结果作为园区评价的指标项之一。(6)该系统为江苏省园区建设主管部门完成2015年、2016年和2018年的全省省级园区监测评价工作,以及上述三个年度的《江苏省现代农业产业园区建设水平监测评价报告》,落实省级园区“能进能退、动态管理”要求提供了重要的现代化信息技术支撑。
基于知识图谱的智能测评系统设计与实现
这是一篇关于教育智能化,知识图谱,在线测评,Web API的论文, 主要内容为互联网技术的越发成熟和人工智能技术的研究热潮促使着各个行业进行升级转变,教育行业的信息化和智能化正在成为新时代教育发展的新航向。采用互联网技术的网络考试系统近些年已经得到大规模普及,而结合人工智能技术对教学过程进行优化变成了教育发展的新突破口。当前的互联网教育方式仅仅是将部分传统教育过程中的考试和知识查看进行了数字化的转变,普遍缺乏与人工智能技术的融合,而当前业界对于教育人工智能的研究一方面仅关注理论研究,没有对实际使用进行研究,另一方面缺乏大量精心整理的样本数据进行模型训练。智能化的测评考试系统结合知识图谱和测评考试记录可以针对学生个体进行分析,并以此指导学生个体调整学习的方法,使得教育水平得到精细化的进步。本文以知识图谱为基础对学生个体间的答题记录差异分析,得出每个个体对知识图谱的掌握情况,从而自动生成针对学生个体的学习路径。本文的主要工作如下:(1)对信息化教学考试和教育领域人工智能的国内外研究状况及产品现状进行总结,对系统开发所应用的相关技术进行了介绍。在功能性需求分析中划分了三种不同的角色并对各项需求通过系统用例图的方式进行描述,另外还对非功能性需求进行了分析。按照需求分析将功能模块规划为教师端、学生端和管理端三大模块,分别对应三种不同角色的用户,同时通过E-R图给出了数据库的概要设计,在系统详细设计中通过伪代码或流程图的方式对各项功能的设计逻辑进行介绍。(2)设计使用专家创建、通过知识图谱自动生成算法对其进行优化的方式进行知识图谱的生成,测评考试中的试题在创建时就通过标注知识点标签的方式与知识图谱进行关联,学生个体经过一定量的考试答题记录积累即可转化为对知识点集合的正确率情况,进而通过学习路径自动生成算法生成针对此学生个体的学习路径。(3)采用Web API架构提供统一的底层数据服务,面向用户的应用分为基于B/S架构的学生端网站应用和教师端应用网站、基于C/S架构的管理员端桌面窗口应用。将底层数据服务、教师端网站、学生端网站和管理端软件进行相互独立的部署可以增加系统整体的稳定性和可维护性,同时可以分流来自不同用户的并发处理压力。在统一的底层数据服务基础上可以方便的进行其他应用场景的扩展,从而方便系统针对不同的需求进行灵活的改进。
基于知识图谱的智能测评系统设计与实现
这是一篇关于教育智能化,知识图谱,在线测评,Web API的论文, 主要内容为互联网技术的越发成熟和人工智能技术的研究热潮促使着各个行业进行升级转变,教育行业的信息化和智能化正在成为新时代教育发展的新航向。采用互联网技术的网络考试系统近些年已经得到大规模普及,而结合人工智能技术对教学过程进行优化变成了教育发展的新突破口。当前的互联网教育方式仅仅是将部分传统教育过程中的考试和知识查看进行了数字化的转变,普遍缺乏与人工智能技术的融合,而当前业界对于教育人工智能的研究一方面仅关注理论研究,没有对实际使用进行研究,另一方面缺乏大量精心整理的样本数据进行模型训练。智能化的测评考试系统结合知识图谱和测评考试记录可以针对学生个体进行分析,并以此指导学生个体调整学习的方法,使得教育水平得到精细化的进步。本文以知识图谱为基础对学生个体间的答题记录差异分析,得出每个个体对知识图谱的掌握情况,从而自动生成针对学生个体的学习路径。本文的主要工作如下:(1)对信息化教学考试和教育领域人工智能的国内外研究状况及产品现状进行总结,对系统开发所应用的相关技术进行了介绍。在功能性需求分析中划分了三种不同的角色并对各项需求通过系统用例图的方式进行描述,另外还对非功能性需求进行了分析。按照需求分析将功能模块规划为教师端、学生端和管理端三大模块,分别对应三种不同角色的用户,同时通过E-R图给出了数据库的概要设计,在系统详细设计中通过伪代码或流程图的方式对各项功能的设计逻辑进行介绍。(2)设计使用专家创建、通过知识图谱自动生成算法对其进行优化的方式进行知识图谱的生成,测评考试中的试题在创建时就通过标注知识点标签的方式与知识图谱进行关联,学生个体经过一定量的考试答题记录积累即可转化为对知识点集合的正确率情况,进而通过学习路径自动生成算法生成针对此学生个体的学习路径。(3)采用Web API架构提供统一的底层数据服务,面向用户的应用分为基于B/S架构的学生端网站应用和教师端应用网站、基于C/S架构的管理员端桌面窗口应用。将底层数据服务、教师端网站、学生端网站和管理端软件进行相互独立的部署可以增加系统整体的稳定性和可维护性,同时可以分流来自不同用户的并发处理压力。在统一的底层数据服务基础上可以方便的进行其他应用场景的扩展,从而方便系统针对不同的需求进行灵活的改进。
基于知识图谱邻居信息传播的Web API推荐算法研究
这是一篇关于Web API,知识图谱,推荐算法,多元表示,邻居信息传播的论文, 主要内容为Web API数量的迅速增长为开发人员带来充足资源的同时增加了决策的难度,Web API推荐算法应运而生,成为重要且有意义的研究方向。Web API推荐算法的准确率受数据稀疏问题影响较大,已存在研究证实辅助信息能缓解数据稀疏。本文将知识图谱作为补充信息增强Web API推荐,从知识图谱邻居信息传播方法和推荐算法等方面开展Web API推荐研究,主要工作如下。首先,研究面向Web API推荐知识图谱增强的邻居信息传播方法。针对现有基于协同过滤和深度学习的方法难以有效解决的Web API推荐中天然的数据稀疏问题,考虑以知识图谱邻居信息传播方法将知识图谱与Web API推荐任务进行融合。对基于知识图谱的Web API推荐的总体架构进项阐述。依据对Web API生态的分析,设计Web API知识图谱顶层实体关系模式,利用爬取到的Web API领域的数据进行实体、关系抽取等步骤实现Web API知识图谱的构建。在Web API知识图谱中找到与历史交互数据中相对应的用户和Web API实体并作为出发点,通过关系自动获取多跳三元组结构的邻居信息,捕捉知识图谱隐藏的结构信息和深层语义,弥补历史交互数据稀疏的缺陷。其次,研究基于知识图谱邻居信息传播方法增强Web API推荐的问题。由于现有基于深度学习的Web API推荐忽略了Web API生态中丰富的结构和关系语义信息。此外,对有效特征的挖掘高度依赖人工特征工程,限制了模型扩展性和预测准确度。为此,提出基于知识图谱邻居信息传播方法的Web API推荐模型KGWARec。该算法运用邻居信息传播方法,以用户和Web API的历史交互数据蕴含的用户历史兴趣和特征为基础,结合知识图谱的多层邻居信息,迭代计算出每一层传播后用户和Web API的表示,多层表示叠加得到融合多类信息的用户与Web API的多元表示用以计算用户使用目标Web API的预测概率。最后,进行实验,证明KGWARec在数据稀疏情况下优异的推荐性能,分析KGWARec方法的准确性、稳定性和有效性。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：源码导航 ，原文地址：https://m.bishedaima.com/lunwen/52722.html
