Разработка системы вопросов и ответов на основе графа знаний для оказания помощи в обучении
Как цитировать
Аннотация
Целью данной статьи является создание системы вопросов и ответов на основе графов знаний, которая ориентирована на удовлетворение потребностей студентов в предварительном просмотре курса, посвященного шедеврам классической китайской литературы. Объединяя отображение знаний с несколькими ресурсами, система способна обогатить форму традиционной культурной коммуникации и предоставлять целевые услуги по заданию вопросов и ответов. Цель системы - помочь студентам подготовиться к курсу заранее, получить своевременные ответы на вопросы, снизить нагрузку на преподавателей, повысить эффективность преподавания в классе и качество обучения студентов, а также изучить пути распространения традиционной китайской культуры.
Ключевые слова
Библиографические ссылки
An T., Chen Y., Chen Y., Ma L., Wang, J., Zhao, J. A machine learning-based approach to ERα bioactivity and drug ADMET prediction // Front. Genet. 2023. № 13(108). рр. 72-73.
Anandika A., Chakravarty S., Paikaray B.K. Named entity recognition in Odia language: a rule-based approach // International journal of reasoning-based intelligent systems. 2023.
Cauteruccio F., Kou Y. Investigating the emotional experiences in eSports spectatorship: The case of League of Legends // Inf. Process. Manag. 2023. № 60. рр. 103-516.
Do Ph., Truong H.V. Phan. Developing a BERT based triple classification model using knowledge graph embedding for question answering system // Applied intelligence. 2021 (prepublish).
Feiran W., Bo T., Yue Ch., Xiyang F., Guowei J., Haiyan W., Gang Ch., Zhuangzhuang Sh. A visual knowledge map analysis of mine fire research based on CiteSpace // Environmental science and pollution research international. 2022. № 29(51).
Feng Р., Ningzhang В. Entity alignment interaction model based on Chinese RoBERTa // Applied sciences. 2024. № 14(14).
Hou X., Zhu Ch., Li Yu., Wang P., Peng X. Question answering system based on military knowledge graph[P] // University of Electronic Science and Technology of China. 2022.
Li W. An improved knowledge graph question answering system for English teaching // Mobile information systems, 2022.
Li Х., Raga R.C., Xuemei Shi. GloVe-CNN-BiLSTM model for sentiment analysis on text reviews // Journal of sensors. 2022.
Ping Ch., Jian Yi, Yue Chao Zh. Intelligent question answering system by deep convolutional neural network in finance and economics teaching // Computational intelligence and neuroscience. 2022.
Qian Sh., Ming Xu, Bin Q., Pengbin L., Junjian H. Intelligent question answering system based on machine reading comprehension // Journal of physics: conf. series. 2021. № 2050(1).
Rocha Rúben R., Carla M.S.E, Anderson C.R. Embeddedness in internationalization: Knowledge map and research agenda proposal // Journal of general management. 2022. № 48(1).
Zheng Zh., Liu M.,Weng Zh. A Chinese BERT-based dual-channel named entity recognition method for solid rocket engines // Journal electronics. 2023.
Загрузки
Опубликован
Выпуск
Раздел
Метрики
Лицензия
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная.