摘要
本申请涉及一种知识图谱构建方法,涉及智能教学领域,该方法包括:获取至少两个模态的课程数据,对课程数据进行特征提取,得到各模态的数据特征,基于预设多层神经网络对数据特征进行相关性融合,得到融合特征,对融合特征进行特征标注,得到联合特征表示和协同特征表示,其中,联合特征表示用于将各模态信息映射到相同特征空间中,协同特征表示用于分别映射每个模态的信息,基于联合特征表示和协同特征表示构建课程数据对应的知识图谱。通过本申请,解决了课堂知识图谱构建不准确的问题。采用多模态融合标注技术,提升数据的表示能力,使同一知识点在不同模态数据中的表达具备一致性,减少由于数据融合不充分造成的不准确性。
技术关键词
融合特征
知识图谱构建方法
数据
多层感知机
知识图谱构建系统
相似性度量函数
分类器决策
知识点
标注技术
多分类器
特征提取模块
电子设备
成分分析
处理器
样本
多模态
存储器