高校在线教学平台智能答疑的复旦实践与探索

随着新技术的不断涌现,高校师生的信息化素养与信息系统更新之间的差距逐渐加大。由于高校师生用户量逐年更新或扩大,而信息化职能部门的运维人员数量有限,传统的“你问我答”答疑形式已无法满足师生快速响应的需求。为了解决这一问题,复旦大学校园信息化办公室尝试探索一种快速且长期有效的高校在线教学平台智能答疑形式。除了使用传统的电话、邮件、网站主页的方式,还建立了快速培训辐射型运维答疑骨干、迭代构建模块化答疑分类区域、通过公众号推送专题系列、引入智能问答机器人等多渠道服务形式,推出以智能问答机器人“复小信”为主的具备可实践性的多渠道答疑服务形式,有效提升了在校师生的信息化素养,降低了技术人员的运维压力,推动了高校职能部门的角色转变。

关于网上智能答疑系统研究的几点思考

答疑是教学过程的一个重要组成部分。本文就国内目前已有网上智能答疑系统的研究文献进行梳理分析,并在此基础上,提出网上智能答疑系统需在答疑的学习机制、实证研究、互动性及个性化服务等方面加强研究。

智能答疑中问题相关度算法研究及系统实现

针对现有答疑系统缺乏智能性和人机交互不够友好的不足,提出了一个智能答疑系统实现方案。为提高系统中问题与答案的匹配准确程度,着重对问题相关度算法进行了研究,在自动分词后用关键词集合相似度来计算问题的相关度,通过有监督的机器学习BP模型建立一个适合智能答疑系统的学习模型来优化分词权值。实验证明,这种算法可以帮助智能答疑系统提高准确性和智能性,具有一定的实用价值。

智能答疑系统中快速定位算法的研究与实现

为实现智能答疑系统中问题与答案的快速匹配 ,根据远程教育课程本身的特点 ,提出了一种简单、易行的索引结构———基于章节目录的索引方法 .在此基础上提出了一种快速定位算法 .实验结果表明 ,该算法可使平均查询时间减少约 5 0 %。

基于知识图谱的智能答疑系统研究

在大型开放式网络课程(MOOC)系统中,答疑是一个重要环节,智能答疑系统的研发,有助于提高教学的效能。一般的答疑系统缺乏对课程知识的智能表示,对以往问题答案的自动归纳等。利用知识图谱技术将学生提问问题以知识点树的形式显示,同时结合朴素贝叶斯算法文本分类,将问题关键字按照知识点树中的知识点进行归类,并与教学案例课件进行分类匹配,从而初步改造为智能答疑系统。系统以华东师范大学公共计算机课为应用实例,初步应用测试问题分类成功率均在80%左右,证明智能答疑系统能更好地表示和分类问题,更好地适应学生的答疑应用。

Mashup智能答疑系统的研究与实现

在学生进行自主学习的过程中,答疑解惑通常是支持该学习模式的重要手段。为此,以基于网络的探究性学习模式为背景,应用Mashup技术设计一种智能答疑系统。利用该系统集成广域分布的网络资源,实现部分课后习题与思考题的解答、名词解释等功能。将该系统用于某基础课程的教学中,实践结果表明,该系统不仅可大大减轻教师答疑的工作量,而且能及时满足大学生个性化的学习需求,提高其学习效率。

改进型智能答疑模型的设计和实现

针对在分析智能答疑系统设计中存在的主要的技术问题 ,提出解决问题初步的自动答疑模型和相应的算法与工作机制 ,并在此基础上 ,提出并实现基于知识树的概化的数据预处理、模式的关联规则挖掘和基于知识树的规则合并与删除等机制的新的智能答疑模型 ,通过实验以一定的数据加以分析、证明模型的智能性的提高。

基于Web的智能答疑系统的设计与实现

本文简单分析了目前智能答疑系统的现状,并指出了它们存在的不足;在此基础上提出了一个智能答疑系统的结构模型,主要介绍系统中FAQ库的自动形成机制,并给出系统中的关键实现技术。

基于本体的智能答疑系统的模型研究

针对目前智能答疑系统在知识共享、知识重用以及问题求解精确性方面,提出基于本体(Ontology)的智能答疑系统的模型,该模型首先需要建立基于本体的知识库,然后对用户输入的问题进行分词、语法分析和本体提取等,并在知识库中进行搜索,得到合适的问题解答,基于该模型建立的智能答疑系统在知识共享、知识重用以及问题答案的精确定位与表达等方面具有较好的效果.

基于学习者个性模型的智能答疑平台的设计

随着信息时代的迅猛发展,学习已日益成为人们生活的一个重要组成部分。本文以网络环境下可以更好地支持个性化学习的系统为研究背景,采用人工智能与认知技术相结合的办法,开展基于学习者个性模型的智能答疑平台的设计研究,重点探讨了如何进行学习者个性建模以及如何基于该模型进行自适应知识内容呈现的智能答疑系统等问题的研究。

相似度计算在智能答疑系统中的研究及应用

随着远程教育的不断发展,智能答疑系统成为现代教育的一个必要组成部分,它是人工智能、信息检索和自然语言处理等技术的结合,无论是基于知识库还是基于自由文本的答疑系统其智能性和准确率都受到语句相似度计算这一关键技术的影响。为了提高智能答疑系统的准确率和智能性,采用了基于权重的语句特征向量模型。实验表明基于权重的语句相似度计算方法有较高的准确率,从而使得智能答疑系统的效率得到了一定的提高。

数据挖掘在智能答疑模型中的应用

数据挖掘技术是近年来随着数据库技术和人工智能技术的发展而出现的全新信息技术。在分析智能答疑系统设计中存在的主要的技术问题后,我们利用数据挖掘的相应知识,提出一种基于关联规则挖掘和知识树规则合并与删除机制的智能答疑模型。

蚁群算法在分布式智能答疑系统中的应用研究

针对分布式智能答疑系统的特点,在对基于蚁群优化的分类规则发现算法研究的基础上,提出了分布式蚁群智能分类算法,并对该算法在分布式智能答疑系统中的应用进行了分析和测试.实践证明,该算法能有效地对分布式智能答疑系统的范例库进行数据挖掘,进一步提高智能答疑系统检索的效率和智能性,使分布式智能答疑系统的应用进入一个新台阶.

基于网络学习的智能答疑系统的设计与实现

根据语义网络原理,构建了一个基于限定领域的智能答疑系统,给出智能答疑系统的实现方案,对语义网络、自动分词等主要技术问题进行了分析和讨论.

基于本体的智能答疑系统的研究与实现

自动答疑是现代远程教学系统中一个重要组成部分,然而目前的自动答疑系统大多以关键词匹配为基础,忽视了关键词本身所含的语义信息、查询效率和结果不能满足用户的需要。提出了一个基于本体的智能答疑系统,利用本体中概念规范、语义关系明确的特点,将用户的问题查询请求进行语义上的扩展,增加了对语义信息的理解,有效地提高了查询的准确性。

基于WEB的智能答疑系统的设计与实现

本文简单分析了目前智能答疑系统的现状,并指出存在的不足,在此基础上提出了一个智能答疑系统的结构模型,主要介绍系统中FAQ库的自动形成机制,并给出系统中的关键实现技术。

自动分词算法在智能答疑系统中的应用研究

汉语自动分词是远程教育智能答疑系统的基础,如何根据远程教育智能答疑系统的特点进行相关分词算法的设计是提高答疑系统智能性,促进智能答疑系统发展的关键所在。针对现有答疑系统智能性不好的问题,在介绍几种常见分词算法的基础上,提出了一种改进型的自动分词算法,对该算法及其在智能答疑系统中的应用进行了分析,有利于提高智能答疑系统答疑的准确性和智能性,具有一定的实用价值。

基于移动学习的智能答疑系统

移动教育作为一个将现代移动通讯和教育相结合而产生的学习新方式,将传统教育带入了一个新的阶段。作为对实现移动学习的方式手段的一个探索,本文构建了一个基于手机的智能答疑系统,论述了对智能答疑系统的总体设想和系统功能设计,探讨了关于问题分析处理、答案搜索、数据分析管理等几个功能部件和相应个性信息数据库和知识数据库的建立等方面的问题。

基于知识网格的智能答疑系统模型研究与设计

针对目前国内中文答疑系统答疑资源库仅局限于本地知识库的现状及答疑系统中的知识资源不足的问题,提出基于知识网格(Knowledge Grid)的智能答疑系统模型,将答疑系统的答疑资源库拓展到互联网上,通过基于知识网格的数据挖掘技术充分挖掘Internet信息资源来完成答疑任务并补充和完善本地知识资源,解决答疑资源不足问题。