EDUKG：一个异构可持续的 K-12 教育知识图谱
计算与语言
2022-10-25 v1 人工智能
机器学习
摘要
网络和人工智能技术，尤其是语义网和知识图谱（KG），近来在教育场景中引起了显著关注。然而，从知识和数据视角看，面向 K-12 教育的学科专用知识图谱仍缺乏充分性与可持续性。为解决这些问题，我们提出 EDUKG，一个异构可持续的 K-12 教育知识图谱。我们首先设计了一个跨学科且细粒度的本体，用于统一建模 K-12 教育中的知识与资源，其中我们总共定义了 635 个类、445 个对象属性和 1314 个数据类型属性。在该本体指导下，我们提出一种灵活的方法，用于从教科书中交互式抽取事实知识。此外，我们基于所提出的广义实体链接系统，为 EDUKG 的可持续维护建立了一个通用机制，该机制能用 EDUKG 中的知识主题动态索引大量异构资源与数据。我们进一步评估 EDUKG 以展示其充分性、丰富性和变异性。我们发布的 EDUKG 包含超过 2.52 亿个实体和 38.6 亿条三元组。我们的代码和数据仓库现可在 https://github.com/THU-KEG/EDUKG 获取。
引用
@article{arxiv.2210.12228,
title = {EDUKG: a Heterogeneous Sustainable K-12 Educational Knowledge Graph},
author = {Bowen Zhao and Jiuding Sun and Bin Xu and Xingyu Lu and Yuchen Li and Jifan Yu and Minghui Liu and Tingjian Zhang and Qiuyang Chen and Hanming Li and Lei Hou and Juanzi Li},
journal= {arXiv preprint arXiv:2210.12228},
year = {2022}
}
备注
17 pages, 8 figures