基于认知技能图谱的智能问答系统设计与实现.pdf

第 卷 第期湘潭大学学报(自然科学版)V o l N o 年月J o u r n a l o fX i a n g t a nU n i v e r s i t y(N a t u r a l S c i e n c eE d i t i o n)A p r D O I:/j i s s n X 引用格式:蔡令仪,段斌,旷怡,等基于认知技能图谱的智能问答系统设计与实现J湘潭大学学报(自然科学版),():C i t a t i o n:C A IL i n g y i,D UA NB i n,K UA N GY i,e t a l D e s i g n a n d i m p l e m e n t a t i o no f i n t e l l i g e n t q u e s t i o n a n s w e r i n g s y s t e mb a s e do nc o g n i t i v e s k i l l a t l a sJ J o u r n a l o fX i a n g t a nU n i v e r s i t y(N a t u r a l S c i e n c eE d i t i o n),():基于认知技能图谱的智能问答系统设计与实现蔡令仪,段斌,旷怡,柯其聪(湘潭大学 自动化与电子信息学院,湖南 湘潭 )摘要:针对电气专业学生获取知识烦琐、实践能力提升困难的问题,该文提出并开发基于认知技能图谱的电力电子开关电源实验智能问答系统,旨在为学生提供个性化指导首先,引入贝叶斯心理测量模型评估学生能力达成情况;然后,利用知识图谱技术构建陈述性知识图谱和用户数字镜像,分别用于存储电源特定领域知识和用户能力信息;最后,基于问句分析、模板匹配、答案生成个模块开发电源实验智能问答系统该系统利用H a n L P对学生输入问题进行分词处理和词性标注,使用朴素贝叶斯分类器进行问题分类,并与相应的问题模板进行匹配根据模板和关键词,系统生成相应的C y p h e r查询语句,结合学生的能力信息,在知识图谱中搜索符合条件的答案实验结果表明,该系统能够有效地识别电气专业学生的能力缺陷,并提供个性化的问答服务,实现了更高效、精准的智能辅助关键词:贝叶斯心理测量模型;认知技能图谱;知识图谱;问答系统中图分类号:F ;T P 文献标志码:A文章编号:X()D e s i g na n d i m p l e m e n t a t i o no f i n t e l l i g e n tq u e s t i o na n s w e r i n gs y s t e mb a s e do nc o g n i t i v e s k i l l a t l a sC A IL i n g y i,DU ANB i n,KU ANGY i,KEQ i c o n g(S c h o o l o fA u t o m a t i o na n dE l e c t r o n i c I n f o r m a t i o n,X i a n g t a nU n i v e r s i t y,X i a n g t a n ,C h i n a)A b s t r a c t:I no r d e r t os o l v e t h ep r o b l e mt h a t e l e c t r i c a l e n g i n e e r i n gs t u d e n t sh a v e c u m b e r s o m ek n o w l e d g ea c q u i s i t i o na n dd i f f i c u l t y i n i m p r o v i n gp r a c t i c a l a b i l i t y,t h i sp a p e r p r o p o s e s a n dd e v e l o p s a n i n t e l l i g e n t q u e s t i o na n da n s w e rs y s t e mf o rp o w e re l e c t r o n i cs w i t c h i n gp o w e rs u p p l ye x p e r i m e n tb a s e do nc o g n i t i v es k i l lg r a p h,a i m i n gt op r o v i d ep e r s o n a l i z e dg u i d a n c ef o rs t u d e n t s F i r s t l y,t h eB a y e s i a np s y c h o m e t r i cm o d e lw a si n t r o d u c e dt oe v a l u a t e t h ea c h i e v e m e n t o f s t u d e n t s a b i l i t i e s,a n dt h e nt h ek n o w l e d g eg r a p ht e c h n o l o g yw a su s e dt oc o n s t r u c t ad e c l a r a t i v ek n o w l e d g eg r a p ha n dau s e r d i g i t a l i m a g e,w h i c hw e r eu s e d t os t o r e t h ek n o w l e d g eo f s p e c i f i c f i e l d so fp o w e r s u p p l ya n du s e r a b i l i t y i n f o r m a t i o n,r e s p e c t i v e l y T h e s y s t e mu s e sH a n L Pt op e r f o r mw o r ds e g m e n t a t i o na n dp a r t o f s p e e c ha n n o t a t i o no f s t u d e n t s i n p u tq u e s t i o n s,a n du s e san a i v eB a y e sc l a s s i f i e r t oc l a s s i f yt h eq u e s t i o n s,w h i c ha r em a t c h e dw i t ht h e c o r r e s p o n d i n gq u e s t i o nt e m p l a t e s A c c o r d i n gt ot h e t e m p l a t ea n dk e y w o r d s,t h es y s t e mg e n e r a t e st h ec o r r e s p o n d i n gC y p h e rq u e r ys t a t e m e n t,a n ds e a r c h e s f o r e l i g i b l e a n s w e r s i n t h ek n o w l e d g eg r a p hb a s e do n t h e s t u d e n t s a b i l i t y i n f o r m a t i o n E x p e r i m e n t a l r e s u l t ss h o wt h a t t h e s y s t e mc a ne f f e c t i v e l y i d e n t i f y t h e a b i l i t yd e f e c t so f e l e c t r i c a l s t u d e n t s,p r o v i d ep e r s o n a l 收稿日期:基金项目:湖南省自然科学基金项目(J J );湖南省新工科研究与实践项目()通信作者:段斌(),男,湖南湘潭人,教授 E m a i l:q q c o mi z e dQ&As e r v i c e s,a n da c h i e v em o r ee f f i c i e n t a n da c c u r a t e i n t e l l i g e n t a s s i s t a n c e K e yw o r d s:B a y e s i a np s y c h o m e t r i cm o d e l;c o g n i t i v e s k i l l sa t l a s;k n o w l e d g eg r a p h;q u e s t i o na n s w e r i n gs y s t e m引言学生对于知识的获取是一个非常繁杂的过程,例如电气专业的学生在设计电源时,首先需要从广泛的书籍中获取相关专业知识,然后通过实验实践这些知识,完成相应的任务,最终在课程设计或毕业设计中解决现实问题然而在现实情况下,基础知识相当于庞大的数据源,很难从其中提取出所需的信息如何衡量学生对于知识的掌握程度,利用人工智能方法将庞大的学科知识信息转化为结构化信息,辅助教师对学生进行一对一指导是教育领域也是人工智能领域的热点问题之一知识图谱是一种用于表示实体、概念和它们之间关系的语义网络,其具有灵活的查询能力和优秀的可视化能力,因此被广泛使用在医疗、旅游、金融等领域其本质是利用关系连接实体,形成实体关系实体的三元组形式,大量的三元组可以表示复杂的事实目前,已经出现如F r e e b a s e、W i k i d a t a、D B p e d i a等包含大量数据的通用领域知识图谱,国内也出现了Z h i s h i m e、O p e n K G、C N D B P e d i a等开放型知识图谱依托知识图谱这一具有优秀搜索能力的数据库,问答系统得到了前所未有的发展问答系统是自然语言处理领域的热门研究方向之一,与传统的信息检索不同,问答系统能够快速定位核心信息,然后在相对较短的时间内直接为查询者或用户提供与问题相对应的精确答案目前,基于知识图谱的工科教育领域问答系统的研究很少,因为工科学科数据的特点是复杂的实体和关系类型,处理起来比许多其他领域更具挑战性因此,如何建立学生能力模型,从能力下手,对不同的学生给予不同的指导,对于工科教育和人工智能的发展都是必要的问答系统提供了一种信息提取方法,并且需要回答用户问题因此,要求通过知识图谱整合从多个数据源中提取的信息,从而使问答系统根据知识图谱理解问题,并从中查找或推断答案本文提出了一种基于学生能力信息的个性化电源实验问答系统首先通过贝叶斯心理测量模型评估学生能力;然后构建陈述性知识图谱用于储存学科知识、可观测变量、相关实验等信息,构建用户数字镜像图谱用于储存学生能力信息;最后利用问句分析、模板匹配、答案生成个模块构成问答系统与传统问答系统不同,该文将用户能力信息作为辅助信息考虑进问答系统的回答中,以概率的形式来估计学生能力,通过求取期望的方式将学生能力数据化,个性化地为学生提供指导学生能力评估模型贝叶斯心理测量模型是R o yL e v y在 年所著的同名书籍中所提出的,在数据挖掘中,贝叶斯网络能够挖掘多层、多点的因果概念关系,有效整合历史先验概率和各节点之间的条件概率,推理潜在变量的后验熟练度概率,本研究采用该模型来评估学生能力,利用W i n B UG S软件进行概率求解该模型将知识进行细化从而搭建贝叶斯网络,利用等级反应模型从可观测量的达成情况来估计各个知识的等级概率,用贝叶斯网络中的节点概率来表示学生对该节点知识的掌握程度 电源实验知识贝叶斯网络贝叶斯网络具备强大的表达能力和适应性,通过引入先验概率来适应不同的数据分布和问湘潭大学学报(自然科学版)年题领域,根据已知变量的取值,可以计算出其他变量的概率分布,进行概率推理本文将T I公司的T I PML K(B U C K)、T I PML K(B O O S T)、T I PML K(L D O)本实验指导书作为知识来源,依据涉及的知识和能力,建立了电源实验知识贝叶斯网络,其中构建的电感特性贝电感特性参数磁芯材料知识电感频率特性电感数学建模峰值电流控制原理分析不同磁芯材料的电感饱和工况分析图电感特性贝叶斯网络F i g I n d u c t i v ec h a r a c t e r i s t i c sB a y e s i a nn e t w o r k s叶斯网络如图所示图中小方框表示该知识或能力的似然概率,节点之间有向连接,代表知识之间的关系最下层为可观测变量,当它的似然概率为时表示该变量符合要求,为则表示不符合要求,通过其似然概率利用等级反应模型可以估计出上层知识的似然概率 等级反应模型等 级 反 应 模 型(G RM)首 次 由S a m e j i m a于 年提出,是一组用于对反应进行分级的潜在特质数学模型潜在特质是指无法直接观测的变量在理想的正态分布情况下,G RM的难度参数与学生能力之间存在匹配关系该模型通过引入层次结构将复杂的目标对象分解为多个互相关联的子对象,比如按照本文的需求将任务分出等级,且每个级别的任务难度单调递增,对应在构建的贝叶斯网络中,知识的掌握难度由下至上单调递增如果任务j有K个级别,那么bjbjbj k,能力为i的学生i在任务j中的评价等级不低于k的概率是:P Xi jk()l o g i t ajibj k(),k,K,()式中:aj是任务j的辨别度;bj k是任务j在k级的难度;l o g i t为逻辑函数设计者在任务j中评估级别k的概率为:P Xi jk()P(Xi jk)P(Xi jk),()由于实际情况下涉及的变量较多,为了减少参数估计的次数,本文采用有效的方法,通过组合生成单参数等级反应模型的变量,将组合变量表示为假设子变量只受单个父变量i的影响,经过线性变换后,自变量的有效可以表示为:cd,()在公式()中,c和d分别为线性变换的关联系数和截距计算出的有效值后,代入等级反应模型公式()和()就可以得到条件概率分布已知学生能力的测试情况,即可得到能力评估值概率计算量庞大且烦琐,加上贝叶斯网络可能会无法收敛,本文利用W i n B U G S软件的马尔可夫蒙特卡洛算法(M C M C)进行参数估计,近似求解贝叶斯网络根据可观测变量的数据,在W i n B U G S中,随机抽取样本,设 t,t 为马尔可夫链,t是状态空间处的变量的值时间t,序列状态为,t,t,t,那么t在状态空间中不同值之间的状态转移概率仅由t决定,与之前的状态无关运行M C M C算法,T次迭代后结束循环将每一个知识按照掌握程度递增分出个等级,计算第期蔡令仪,等基于认知技能图谱的智能问答系统设计与实现出这个等级相应的分布概率,最后求取该知识的数学期望作为能力值认知技能图谱为了准确回答学生的问题,既需要了解问题所涉及的关键知识,也需要知道学生对于该知识的掌握程度因此本文由两部分来构成知识图谱,分别将知识存储在陈述性知识图谱中、用户的能力信息存储在用户数字镜像当中对实体和实体的关系进行标注,获得的数据集一共有 种实体(节点)类型、种关系,最终得到如表所示规模的知识图谱表电源实验知识相关实体和关系数据统计T a b S t a t i s t i c s o f e n t i t i e s a n dr e l a t i o n s h i p s r e l a t e dt op o w e re x p e r i m e n tk n o w l e d g e图谱名称数据来源总节点数总关系数总节点类别数总关系类别数陈述性知识图谱T I开关电源实验指导书、专家经验 用户数字镜像图谱贝叶斯心理测量模型 陈述性知识图谱图谱设计数据收集数据标注知识抽取知识融合知识存储Neo4j图知识图谱构建F i g K n o w l e d g eg r a p hc o n s t r u c t i o n陈述性知识图谱是指由不受人为因素影响的客观知识、技能和任务组成的知识图谱知识图谱中最为关键的是知识抽取和知识融合,知识抽取主要分为实体抽取、关系抽取和属性抽取 构建知识图谱流程如图所示将T I实验指导书所得到的知识整合后,构建出陈述性知识图谱,并存储于N e o j中根据知识节点,清晰地表示它们之间的关系,得到知识三元组,并整合获得完整的知识表述最后,建立一个开关电源实验的小型陈述性知识图谱,其中相互有关系的节点,图中利用双向箭头表示,在N e o j中表现为有两个关系,部分内容如图所示图电源知识陈述性知识图谱(部分)F i g P a r t i a l d e c l a r a t i v ek n o w l e d g eg r a p h湘潭大学学报(自然科学版)年 用户数字镜像图谱用户数字镜像图谱是用户在真实世界的镜像数据,包含用户在开关电源设计过程中所需的知识和技能,并且记录了每一位用户的具体能力本文选取了不同阶段的学生收集数据,包括本科生、研究生和博士生,通过贝叶斯心理测量模型,对参与电源设计人员的电源设计知识和技能进行评价能力值以属性的形式存储在用户节点与知识或技能节点之间的关系中,将所有数据存储于N e o j中图是其中一位用户的数字镜像图谱integrated circuit knowledgepassive component knowledgeUserSMPS skill图用户数字镜像图谱F i g U s e rd i g i t a lm i r r o ra t l a s输入问题用户问句分析模块分割句子、语义分析、获取关键词、词性标注模板匹配模块文本检索朴素贝叶斯分类器问题模板电源知识陈述性知识图谱用户数字镜像图谱答案生成模板输出答案答案抽取Cypher查询语句图问答系统架构F i g Q u e s t i o na n s w e r i n gs y s t e ma r c h i t e c t u r e个性化问答系统根据实际应用情况,在已经构建的知识图谱的基础上,设计出可以为用户解答在电源设计时遇到的实际工程问题的问答系统,以知识图谱可视化的方式展示对应答案的实体关系,快捷地提供准确答案因此,该文设计的个性化电源实验问答系统将问答分为三个部分:针对问题中关键信息的提取;针对问句类型的判断;针对问题答案的搜索即本系统主要由个模块组成:问句分析模块、模板匹配模块和答案生成模块系统架构如图所示 问句分析要想实现计算机的顺利回答,需要先将用户的问题转换成机器能够理解的形式,在这个前第期蔡令仪,等基于认知技能图谱的智能问答系统设计与实现提下计算机才可以知道如何根据用户的问题在知识图谱数据库中查询所需答案,所以计算机对问题语句的分析至关重要本文利用分词和词性标注技术,通过构建自定义词典,用特殊词性对关键词进行处理,保留特殊词词性,输出分析结果为什么电感电流纹波过高？如何电感数学建模知识？提高为什么电感电流纹波过高？图关键词获取与词性标注F i g K e y w o r da c q u i s i t i o na n dp a r t o f s p e e c ha n n o t a t i o nH a n L P是一个开源的中文自然语言处理库,它提供了丰富的自然语言处理功能,可以更好地理解用户的问句意图本文使用H a n L P分词包,构建电源设计知识补充词典H a n L P不仅能够分词,而且还可以标注单词的词性在J AVA中使用H a n L P将知识关键词定义为/n k词性,将性能指标定义为/n p词性,将可观测变量定义为/n q词性,示例如图所示 模板匹配问题结构具有复杂性,为了让系统在面对多样化问题时也能够给出答案,本文为问句设计了统一的模板,通过分类器算法将不同形式的问句转换成一个统一的模板,采用的是S p a r k环境下的朴素贝叶斯分类器对问题模板进行匹配,这样只需将问题分类即可,节省了时间、精力及人力成本,大大降低了系统设计的难度下面是具体的分类过程推导:由于本文处理的文本内容彼此独立,因此它可以满足贝叶斯假设:P(yi|C,yi)P(yi|C),yi,yi,P(C)可得到:P(yi|X)P(yi)mjP(xj|yi)niP(yi)mjP(xj|yi),(in),()公式()中分子分别为根据证据推导出的先验概率和假定yi为真前提下x出现的条件概率由于分母值始终相同,因此朴素贝叶斯分类器可以简单地转换为函数:f(x)a r g m a xP(yi)mjP(xj|yi),()图问题与模板F i g Q u e s t i o n sa n dt e m p l a t e s结合考虑电源设计面临的实际问题,可以根据实验过程的逻辑关系总结出类问题在设计电源的时候,当发现某一性能指标不能达标时,通常会提出两个问题:一是“如何提高或降低该性能指标以使其满足要求?”;二是“为什么该性能指标会过高或过低?”而这两个问题所反映的需求展开就可以得到两种问题类型,即当前学生所欠缺的知识是什么,以及他们调试其他的哪些性能指标会对其需要改进的性能指标产生影响接着根据本文所分析的学生欠缺的知识会产生第个问题“如何提高某一知识?”,以此通过推送相关实验来帮助学生提高该知识基于上述类问题,该文构建的问题模板如图所示湘潭大学学报(自然科学版)年 答案生成答案生成是系统通过匹配到的问题模板在已经构建的知识图谱中进行查询,并将查询结果变为符合自然语言逻辑的文本的过程想要实现两者的交互与转换,需要先进行信息抽取,将自然语言结构化,再把知识图谱数据中结构化的知识转成易读的自然语言 C y p h e r是N e o j图数据库的查询语言,本文通过C y p h e r查询语句,根据输入分析得到的已知信息搜索知识图谱中对应的节点(实体)信息,将节点信息处理成符合自然语言逻辑的文本,最后输出给用户对于模版匹配中提到的类问题,答案的抽取方法是不尽相同的调试类问题只与性能指标有关,答案的获得过程相对简单,主要依赖于问题与答案的匹配程度,如果匹配度高,则认为这是正确的答案如果问题没有解决,它将与知识类型有关知识库包含电源实验的专业知识和常识,根据提出的问题,系统将查询所有与关键词相关的知识和该用户技能的掌握程度,根据可靠性和相关性给出最准确的答案基于学生整体的平均能力数值,可以把涉及的知识和技能分为当前学生擅长的和不擅长的,给出的答案可以根据获得的信息采取建议,比如结果低于平均值时,学生被认为有不擅长的知识或技能,可以给出学习知识和加强技能训练的反馈知识类问题并不足以支撑电气知识掌握的全面性,所以针对任务型问题的答案抽取,其给出的答案与学生的能力密切相关,可以根据需求来执行个性化任务本系统根据用户的实际能力,将任务分为两类难度如果学生掌握知识和技能的程度低于能力值,则推荐难度为的任务,帮助巩固基础知识,进行基础学习;当学生掌握足够该知识,将推荐难度为的任务,尝试进阶任务,提升分析能力和实验技能实验与分析本问答系统的开发环境为:W i n d o w s N e o j S p r i n g B o o t ,S p a r k ,J AVA ,I n t e lC o r e i UC P U 登入系统后检测学生能力水平,利用知识图谱的查询功能,定位到认知技能图谱中相应的知识节点,针对性给出回复,提供符合该学生能力的任务,实现个性化问答问答界面的互动如图所示,使用者在登录界面后通过输入测试类、知识类、任务类问题可以得到相应的答案反馈(a)(b)(c)您好，我是SMPS智能问答系统，请输入您的用户名对于芯片为TPS54160的降压稳压器，如何减少电感电流纹波？这是一个电源调试类型的问题，我们建议您调整以下性能指标：输入电容RMS纹波电流效率对于芯片为TPS54160的降压稳压器，为什么电流纹波高？这是一个知识类问题，我们建议您学习以下知识：辅助供电模快知识，IC力耗计算，电感磁感材料知识，电感饱和工况分析，动态电感量计算，稳态运行分析，滞环控制分析，EMI,PCB工艺没计，过温保护模快知识，负载暂态响应分析，穿越频率知识，功率开关管工作区域知识，功累开关管损耗知识，PCB寄生电容和电感知识欠缺的知识点及其熟练度是什么？电感饱和工况分析expert:5.3%good:20.7%okay:32.9%weak:41.1%推荐的实验有哪些？实验4：电感饱和对电流和电压纹波的影响，实验5：电感持性对电流限流操作的影响电源设计者1欢迎使用：电源设计者1”欢迎使用：电源设计者1”图问答界面:(a)调试类问题;(b)知识类问题;(c)任务类问题F i g Q u e s t i o na n s w e r i n g i n t e r f a c e:(a)D e b u gc l a s sp r o b l e m s;(b)K n o w l e d g ec l a s sp r o b l e m s;(c)T a s kc l a s sp r o b l e m s第期蔡令仪,等基于认知技能图谱的智能问答系统设计与实现为了测试文中系统的性能,本文从客观评估和主观评估两个角度来全面验证问答系统的专业性和实用性并展开分析 客观性能评估首先是客观评估,对每个类型的问题分别设计出 条针对性问句后观察反馈结果,可以引入常见的评价指标,通过以下公式直接计算:a c c u r a c y正确分类问句数问句总数,()p r e c i s i o n正确分类问句数被判断为该类问句数,()r e c a l l正确分类问句数属于该类的问句总数,()Fp r e c i s i o nr e c a l lp r e c i s i o nr e c a l l,()在上面的公式中,式()、式()、式()、式()分别计算得到了模型的正确率、精确率、召回率和调和平均值F,其中F值结合了准确率和召回率,防止了样本不平衡导致的偏差,可以更好地评估模型的效果,可以采用其作为综合评估指标性能评估的数据结果如表所示表性能评估数据T a b P e r f o r m a n c e e v a l u a t i o nd a t a模板类型正确率精确率召回率F调试类 知识类 任务类 根据评估测试,发现本系统在识别关键字方面准确性较差,识别多实体问题能力欠缺,但对单实体问题回答准确度很高,后续应当增加一些多实体模板用于实际的多实体问题 主观评估该文抽取了 位使用过本系统的学生对系统进行问卷调查,以验证系统是否有效,测评数据包括对系统能力分析、查询速度和准确性三个方面的满意度,询问他们是否认为系统比传统搜索引擎快、是否会继续使用该系统测评采用五分制评分标注,分评价依次增高,分别对应不合格、待改进、中等、良好和优秀最终反馈得到的评估数据如图所示1不合格2待改进3中等4良好5优秀能力分析查询速度准确性20181614121086420图主观评估数据T a b S u b j e c t i v e e v a l u a t i o nd a t a湘潭大学学报(自然科学版)年通过图可以看出,大部分学生对本系统给出了正向反馈,能力分析、查询速度和准确性三方面平均评分分别有 、和 除此之外,询问结果中 名学生均认为系统比传统搜索引擎更快,其中 名学生表示会继续使用该系统,验证了系统的实际有效性结论由于传统方式评估学生能力复杂且效率低,没办法对学生高效地提供个性化指导,本文针对以上问题,以电源实验为背景,通过构建贝叶斯心理测量模型评估学生能力,将电源实验相关知识与学生能力数据共同构成认知技能图谱,以此为基础设计出电源实验个性化问答系统该系统通过分析学生问句中的关键信息,将问句转化为C y p h e r语句,在知识图谱中搜索相关答案,最后通过学生能力信息给予不同的答案处理方式,返回符合自然语言逻辑的回答给学生实验表明该系统在调试类、知识类、任务类种问题上的准确度都很高,且在实际使用的学生中得到了比较好的评价本文为教育领域与人工智能领域的结合提供了一种新思路,实现了电源知识的可视化管理与检索问答但是还需要进一步完善知识图谱的数据量,按照需求不断更新和扩充图模型除此之外,如何处理多关键词问题、处理多样化的问句还有待解决,想要提高模型的泛化能力,还需要获得更多的训练数据参考文献梁迎丽,刘陈人工智能教育应用的现状分析、典型特征与发展趋势J中国电化教育,():马忠贵,倪润宇,余开航知识图谱的最新进展、关键技术和挑战J工程科学学报,():王智悦,于清,王楠,等基于知识图谱的智能问答研究综述J计算机工程与应用,():Q I U Q,T I AN M,MAK,e t a l Aq u e s t i o na n s w e r i n gs y s t e mb a s e do nm i n e r a l e x p l o r a t i o no n t o l o g yg e n e r a t i o n:Ad e e pl e a r n i n gm e t h o d o l o g yJO r eg e o l o g yr e v i e w s,():L I U C,J IX,D ONG Y,e ta l C h i n e s em i n e r a lq u e s t i o na n da n s w e r i n gs y s t e mb a s e do nk n o w l e d g eg r a p hJ E x p e r t s y s t e m sw i t ha p p l i c a t i o n s,:WUJ,D UANB,KUAN G Y,e ta l B a y e s i a np s y c h o m e t r i c sm o d e l i n gb a s e do nt h ec o r r e l a t i o nb e t w e e ni n d u c t o r s a t u r a t i o na n dc u r r e n t l i m i t a t i o nC/n dI n t e r n a t i o n a lC o n f e r e n c eo nE l e c t r i c a lM a c h i n e sa n dS y s t e m s(I C EM S)I E E E,彭馨,谭貌,段斌,等基于贝叶斯网络的在线课程学习成果诊断与认证J湘潭大学自然科学学报,():简小珠,戴步云等级反应模型下多级评分形式的难度等级作用探讨J中国考试,():雷海龙基于知识图谱的领域问答系统构建技术的研究与应用D成都:电子科技大学,赵佳博基于农业病虫害知识图谱的智能问答系统的设计与实现D哈尔滨:东北农业大学,郭振,张玉洁,苏晨,等基于字符的中文分词、词性标注和依存句法分析联合模型J中文信息学报,():,张鹤译,王鑫,韩立帆,等大语言模型融合知识图谱的问答系统研究J计算机科学与探索,():(责任编辑:夏金玉)第期蔡令仪,等基于认知技能图谱的智能问答系统设计与实现