多模态大模型驱动的学科知识图谱进化及教育应用

当前,以GPT-4为代表的多模态大模型正在促进通用人工智能向多模态融合的方向发展。受益于多模态思维链、涌现能力和提示工程等应用技术,学科知识图谱能够更好地形成一种将抽象的符号概念和多模态的数据加以关联的智能扩展范式,有效解决现有图谱构建中存在的诸多不足,进一步推动多模态学科知识图谱的创生,为智慧教育服务的发展提供有力的支持。基于此,文章首先解构多模态大模型与学科知识图谱的关系;然后,文章探析了多模态大模型对学科知识图谱的驱动前提,从进化角度探讨多模态学科知识图谱的基本内涵和构建框架;最后,文章提出多模态学科知识图谱的四大教育应用场景,包括推动教育资源多元聚合、助力智能教学产品开发、赋能学科资源个性推荐以及促进人机协同智慧教学,以期为学科知识图谱的相关研究提供借鉴与启发。

Super-Euler迭线图的特征刻划

图中端点度数不是 2而内点的度数是 2的路叫做枝 .文中证明了一个连通图G的n次迭线图Ln(G)是Super Euler图的充要条件是G有一个包含G的每个度至少为 3的顶点的子图H ,满足 :H的每个顶点都是偶度 ;H的孤立顶点在G中度至少为 3;H的任何连通分支与H的其它连通分支在G中的距离至多是n ;对于G中不在H中的枝的长度至多为n +1;对于G中有端点度为 1的枝的长度至多为n .

拆边法求最短路径

本文利用局部比较法 ,在图中定义子图、无效路径、以及可去边 .利用推导的有关定理 ,拆去可去边 ,利用最短路径相同的等价性 ,达到化简图 。

人类群体遗传结构的图论多维尺度分析方法

[目的]提出基因频率矩阵的图论多维尺度分析方法,探讨该法在人类群体遗传结构研究中的应用。[方法]从分析基因频率矩阵的结构特征入手,将增强多维尺度分析与图论中的最小生成树有机结合,构建人类群体遗传结构的图论多维尺度模型,并以中国26个汉族人群HLA-A基因座遗传结构分析为例,验证图论多维尺度分析的科学性和适用性。[结果]图论多维尺度分析的基本步骤可概括为:①对中心化基因频率矩阵进行增强多维尺度分析;②按图论原理求过m维空间n个点的最小生成树;③利用求“颈”法分割最小生成树;④将最小生成树整合到增强多维尺度散点图中构建图论多维尺度分类图。根据此步骤,对中国26个汉族人群HLA-A基因座遗传结构进行了图论多维尺度分析,分析结果符合中华民族源与流的客观规律。[结论]图论多维尺度分类图既可显示各群体的遗传结构特性,又可利用最小生成树的连接关系揭示各群体间的内在联系;图论多维尺度分析是分析人类群体遗传结构的一种理想方法。