基于知识图谱面向自主学习的PEC课程问答方法及机器人与流程

技术特征：
1.基于知识图谱面向自主学习的pec课程问答方法，其特征在于，包括以下：获取教师端提供的知识数据包，所述知识数据包包括知识点数据以及处理问题数据；对所述知识数据包进行数据清洗，后提取所述知识数据包中的知识点数据作为第一部分的数据存入至neo4j图数据库，提取所述知识数据包中的处理问题数据作为第二部分的数据存入至elastic search数据库；调用所述neo4j图数据库以及elastic search数据库通过neo4j技术构建知识图谱；获取用户于搜索引擎中输入的关键词；对所述关键词进行解析得到当前问题，从elastic search数据库中提取与当前问题匹配度于第一阈值前的答案；将所述答案以及其对应的知识图谱按照匹配度由高到低的排序予以展示。2.根据权利要求1所述的基于知识图谱面向自主学习的pec课程问答方法，其特征在于，所述知识数据包具体为教师端提供的excel文件，所述知识点数据包括与教学相关的专有名词的解释，所述处理问题数据包括问题以及所述问题对应的知识点。3.根据权利要求1所述的基于知识图谱面向自主学习的pec课程问答方法，其特征在于，上述获取用户与搜索引擎中输入的关键词的方法包括直接获取用户输入的文本、根据用户的语音信息转化形成的文本以及通过用户提供的图片信息转化形成的文本。4.根据权利要求2所述的基于知识图谱面向自主学习的pec课程问答方法，其特征在于，所述数据清洗的过程具体包括以下二个部分，第一部分：将知识点数据一一的构建联系，知识点之间的联系有：
①
学科
‑
【知识点】
‑ꢀ
知识点，相当于学科章节，
②
知识点，相当于学科章节
‑ꢀ
【详细知识点】
ꢀ‑ꢀ
细知识点，相当于学科章节中的小节，该部分的知识点联系会在后面学生搜索问题时展示出来，供学生进行更加深入的学习；第二部分：将excel文件中的处理问题数据进行处理，该部分包括题目、题目选项、题目答案、题目所属学科、题目包括的知识点，分别存入elastic search数据库。5.根据权利要求1所述的基于知识图谱面向自主学习的pec课程问答方法，其特征在于，所述方法还包括，当用户控制鼠标指针移动至所述知识图谱的某一节点上时，会将某一所述节点所涉及的内容展示出来，当用户点击某一所述节点时，控制显示界面跳转至所述节点对应的问题界面。6.根据权利要求3所述的基于知识图谱面向自主学习的pec课程问答方法，其特征在于，所述方法还包括，当用户输入关键词时，会根据用户输入的关键词进行关键词提示，另外当用户输入的关键词出现拼写错误时，会对用户进行引导提醒。7.根据权利要求1所述的基于知识图谱面向自主学习的pec课程问答方法，其特征在于，所述方法还包括，当用户输入的关键词解析得到的当前问题无法在elastic search数据库中匹配时，会对当前问题予以记录并推送至教师端，并获取教师端的回复内容，将所述回复内容与当前问题相关联作为新的知识点存入至elastic search数据库，以更新elastic search数据库。8.根据权利要求7所述的基于知识图谱面向自主学习的pec课程问答方法，其特征在于，所述方法还包括，当用户输入的关键词解析得到的当前问题无法在elastic search数据库中匹配时，会接入站外搜索通道，并将站外搜索的结果展示给用户。
9.根据权利要求8所述的基于知识图谱面向自主学习的pec课程问答方法，其特征在于，所述站外搜索访问的平台包括但不限于知乎、百度、v2ex、csdn、博客园、个人博客，并且，在将站外搜索的结果展示给用户时，还会计算根据当前问题在站外搜索得到的数据量在以上各个平台的数量占比情况，并以饼图的形式予以展示。10.基于知识图谱面向自主学习的pec课程问答机器人，其特征在于，包括以下：知识获取模块，用于获取教师端提供的知识数据包，所述知识数据包包括知识点数据以及处理问题数据；数据处理模块，用于对所述知识数据包进行数据清洗，后提取所述知识数据包中的知识点数据作为第一部分的数据存入至neo4j图数据库，提取所述知识数据包中的处理问题数据作为第二部分的数据存入至elastic search数据库；知识图谱构建模块，用于调用所述neo4j图数据库以及elastic search数据库通过neo4j技术构建知识图谱；关键词获取模块，用于获取用户于搜索引擎中输入的关键词；答案匹配模块，用于对所述关键词进行解析得到当前问题，从elastic search数据库中提取与当前问题匹配度于第一阈值前的答案；展示模块，用于将所述答案以及其对应的知识图谱按照匹配度由高到低的排序予以展示。

技术总结
本发明涉及基于知识图谱面向自主学习的PEC课程问答方法，包括以下，获取教师端提供的知识数据包，所述知识数据包包括知识点数据以及处理问题数据；对所述知识数据包进行数据清洗；调用所述neo4j图数据库以及elastic search数据库通过Neo4j技术构建知识图谱；获取用户于搜索引擎中输入的关键词；对所述关键词进行解析得到当前问题，从elastic search数据库中提取与当前问题匹配度于第一阈值前的答案；将所述答案以及其对应的知识图谱按照匹配度由高到低的排序予以展示。本发明能够自动化、智能化地从已有的知识中发现和推理多角度的隐含知识，不仅便于同学们对知识的查漏补缺，消化吸收，还极大程度地节省了教师的时间。还极大程度地节省了教师的时间。还极大程度地节省了教师的时间。


技术研发人员：苑俊英 蔡泳信 陈海山 王金叶
受保护的技术使用者：中山大学南方学院
技术研发日：2021.07.09
技术公布日：2021/11/4