feat(vault): Phase 3 tools + batch citation/relation enrichment
This commit is contained in:
+193
-3
@@ -1,6 +1,6 @@
|
||||
---
|
||||
categories:
|
||||
- "[[LLM Wiki]]"
|
||||
- '[[LLM Wiki]]'
|
||||
tags:
|
||||
- wiki
|
||||
- concept
|
||||
@@ -8,15 +8,205 @@ tags:
|
||||
- knowledge-representation
|
||||
- ai-education
|
||||
created: 2026-04-20
|
||||
source: "[[教学大模型发展状况深度研究报告-20260415]]"
|
||||
source: '[[教学大模型发展状况深度研究报告-20260415]]'
|
||||
type: concept
|
||||
aliases:
|
||||
- 知识图谱
|
||||
- Knowledge Graph
|
||||
- KG
|
||||
relations:
|
||||
- type: part_of
|
||||
target: '[[教学大模型]]'
|
||||
description: 同源：教学大模型发展状况深度研究报告-20260415
|
||||
confidence: 3
|
||||
- type: extends
|
||||
target: '[[知识空间理论]]'
|
||||
confidence: 2
|
||||
- type: extends
|
||||
target: '[[知识追踪]]'
|
||||
confidence: 2
|
||||
---
|
||||
|
||||
# 知识图谱
|
||||
[raw:教学大模型发展状况深度研究报告-20260415:27]# 知识图谱
|
||||
|
||||
知识图谱（Knowledge Graph）是一种用图结构表示知识的技术，通过节点（实体）和边（关系）构建语义网络。在教育AI中，知识图谱是构建智能辅导系统、实现个性化学习的基础设施。
|
||||
|
||||
## 定义
|
||||
|
||||
知识图谱是一种有向图结构，其中：
|
||||
- **节点（Node）**：表示实体（如知识点、概念、人物）
|
||||
- **边（Edge）**：表示实体之间的关系（如"是前置条件"、"属于"、"相关联"）
|
||||
- **属性（Property）**：节点的附加信息（如难度、学时、标签）
|
||||
|
||||
## 核心概念
|
||||
|
||||
### 三元组结构
|
||||
|
||||
知识图谱的基本单元是三元组（主语，谓语，宾语）：
|
||||
|
||||
```
|
||||
示例：
|
||||
|
||||
(一次函数, 是, 函数)
|
||||
(函数, 是, 数学概念)
|
||||
(函数, 属于, 代数)
|
||||
(代数, 前置条件, 算术)
|
||||
(一次函数, 难度, 中等)
|
||||
```
|
||||
|
||||
### 知识图谱示例
|
||||
|
||||
```
|
||||
一次函数 ──是──► 函数
|
||||
│ │
|
||||
│属於 │是
|
||||
▼ ▼
|
||||
代数 数学概念
|
||||
│ │
|
||||
│前置 │包含
|
||||
▼ ▼
|
||||
算术 微积分
|
||||
```
|
||||
|
||||
## 教育知识图谱的特点
|
||||
|
||||
### 1. 层次结构
|
||||
|
||||
```
|
||||
数学
|
||||
├── 代数
|
||||
│ ├── 一次函数
|
||||
│ ├── 二次函数
|
||||
│ └── 不等式
|
||||
├── 几何
|
||||
│ ├── 三角形
|
||||
│ ├── 圆
|
||||
│ └── 多边形
|
||||
└── 统计
|
||||
├── 平均数
|
||||
├── 中位数
|
||||
└── 方差
|
||||
```
|
||||
|
||||
### 2. 依赖关系
|
||||
|
||||
```
|
||||
微积分
|
||||
├── 前置：函数
|
||||
│ ├── 前置：一次函数
|
||||
│ └── 前置：三角函数
|
||||
└── 前置：极限
|
||||
```
|
||||
|
||||
### 3. 关联关系
|
||||
|
||||
```
|
||||
一次函数
|
||||
├── 相关：二次函数（对比学习）
|
||||
├── 应用：实际问题建模
|
||||
└── 考点：期中考试重点
|
||||
```
|
||||
|
||||
## 教育知识图谱的作用
|
||||
|
||||
### 1. 个性化学习路径
|
||||
|
||||
根据知识图谱规划最优学习路径：
|
||||
|
||||
```
|
||||
学生已掌握：{算术, 代数基础}
|
||||
学生未掌握：{一次函数, 二次函数, 微积分}
|
||||
|
||||
最优路径：
|
||||
算术 → 代数基础 → 一次函数 → 二次函数 → 微积分
|
||||
```
|
||||
|
||||
### 2. 知识点推荐
|
||||
|
||||
识别薄弱环节并推荐相关内容：
|
||||
|
||||
```
|
||||
学生答错一次函数题
|
||||
|
||||
图谱分析：
|
||||
一次函数依赖：{代数基础, 方程}
|
||||
|
||||
推荐：
|
||||
1. 回顾代数基础
|
||||
2. 练习方程求解
|
||||
3. 重新学习一次函数
|
||||
```
|
||||
|
||||
### 3. 错因分析
|
||||
|
||||
通过知识追踪 + 知识图谱分析错误原因：
|
||||
|
||||
```
|
||||
学生答题错误
|
||||
|
||||
错误分析：
|
||||
1. 前置知识缺失？（代数基础）
|
||||
2. 本概念理解偏差？（一次函数定义）
|
||||
3. 计算失误？（代入求值）
|
||||
4. 解题习惯问题？（步骤跳过）
|
||||
```
|
||||
|
||||
## 技术实现
|
||||
|
||||
| 技术 | 作用 | 代表产品 |
|
||||
|
|
||||
------|
|
||||
------|----------|
|
||||
| **知识抽取** | 从教材、题库中提取知识点和关系 | 小猿AI |
|
||||
| **图数据库** | 存储和查询知识图谱 | Neo4j, JanusGraph |
|
||||
| **图算法** | 最短路径、关联推荐、社区发现 | 知识空间理论 |
|
||||
| **LLM增强** | 用LLM自动构建和更新知识图谱 | Khanmigo |
|
||||
|
||||
## 核心优势
|
||||
|
||||
1. **结构化知识**：将分散的知识点组织成系统化网络
|
||||
2. **支持推理**：可以基于图结构进行逻辑推理
|
||||
3. **可视化展示**：直观展示知识结构和学习路径
|
||||
4. **动态更新**：可以随着学习进展实时更新知识状态
|
||||
|
||||
## 实践应用
|
||||
|
||||
| 产品 | 知识图谱应用 |
|
||||
|------|--------------|
|
||||
| **小猿AI** | 五重错因分析（知识漏洞检测、概念关联分析） |
|
||||
| **讯飞星火** | 知识图谱 + 代码大模型 |
|
||||
| **作业帮** | AI解析 + 智能推荐 |
|
||||
| **Khanmigo** | 知识追踪 + 苏格拉底式引导 |
|
||||
|
||||
## 关键挑战
|
||||
|
||||
1. **构建成本高**：需要大量专家和人工投入
|
||||
2. **维护复杂**：知识点更新、关系调整需要持续维护
|
||||
3. **领域差异大**：不同学科的知识图谱结构差异大
|
||||
4. **质量验证难**：图谱的准确性和完整性验证困难
|
||||
|
||||
## LLM时代的新发展
|
||||
|
||||
随着大语言模型的发展，知识图谱正在与LLM结合：
|
||||
|
||||
- **LLM自动构建知识图谱**：从文本中提取实体和关系
|
||||
- **RAG（检索增强生成）**：用知识图谱约束LLM的幻觉问题
|
||||
- **动态知识更新**：LLM根据对话实时更新知识图谱
|
||||
- **多模态知识融合**：结合文本、图像、视频等多模态信息
|
||||
|
||||
## 相关概念
|
||||
|
||||
- [[知识空间理论]] — 知识结构的另一种形式化表示
|
||||
- [[知识追踪]] — 结合知识图谱动态更新知识状态
|
||||
- [[教学大模型]] — LLM + 知识图谱的融合应用
|
||||
- [[RAG]] — 检索增强生成技术
|
||||
- [[小猿AI]] — 知识图谱实践案例
|
||||
|
||||
## 来源
|
||||
|
||||
- [[教学大模型发展状况深度研究报告-20260415]] — 知识图谱应用、小猿AI实践
|
||||
|
||||
[raw:教学大模型发展状况深度研究报告-20260415:27]# 知识图谱
|
||||
|
||||
知识图谱（Knowledge Graph）是一种用图结构表示知识的技术，通过节点（实体）和边（关系）构建语义网络。在教育AI中，知识图谱是构建智能辅导系统、实现个性化学习的基础设施。
|
||||
|
||||
|
||||
Reference in New Issue
Block a user