大语言模型在学科知识图谱自动化构建上的应用

人工智能技术的飞速发展推动了教育领域的智能化,涌现出一些利用知识图谱技术进行学科知识体系构建的研究。利用知识图谱构建的知识体系,可以建模知识点之间的关联性,形成课程知识脉络,有助于学习者对知识点的记忆与深层次理解。然而,学科课程的教学资源多样且分散,现有的自动构建方法往往使用单一的数据资源,资源利用率低,难以对专业知识体系的构建提供有效指导。构建方法自动化程度较低,构建成本大,需要开发不同的模块对非结构化文本进行处理并生成图谱,可复现性和可移植性较差。因此,提出了一种基于大语言模型的学科知识图谱构建优化流程,高度融合大语言模型的优势和各学科知识的逻辑关联。具体以通信专业为例,借用ChatGPT大语言模型的强大功能,使用多种知识来源,通过学科知识分析设计知识系统本体,自动化提取基于教学资源的知识实体和知识关系形成最终的学科知识体系,可方便地推广至其他学科领域。     

基于大语言模型的教育问答系统研究

基于大语言模型在教育问答系统的应用,探讨其在教育领域的优化方案。近年来,基于预训练模型的方法在自然语言处理领域受到广泛关注。大语言模型作为一种预训练的语言生成模型,在降低教育问答系统开发成本、提高准确性方面具备潜力。从大语言模型在教育问答系统的实际应用、对教育领域的影响以及优化方案三个方面展开深入分析。在教育领域实际应用方面,考察多轮问答效果、无样本(少样本)学习以及多模态问题处理,并对其进行定量分析。同时,探讨基于硬提示的方案,旨在提升大语言模型在教育问答系统中的性能和应用范围。通过对其优势和问题的综合分析,为教育领域的智能化教学提供了实质性的参考和指导。