高校计算机课程体系知识图谱构建及可视化研究

摘要：针对高校计算机课程体系复杂性和多样性的特点，文章提出了一种基于知识图谱的构建与可视化方法。文章阐述了知识图谱构建的关键环节，包括数据来源与处理、模式层构建以及数据层构建，并介绍了基于Neo4j图数据库的知识图谱可视化技术。最后，通过实例展示了高校计算机课程体系的可视化效果，为课程体系的分析和优化提供了有力工具。

关键词：计算机课程体系；知识图谱；可视化；Neo4j

中图分类号：TP311      文献标识码：A

文章编号：1009-3044（2024）23-0089-03

开放科学（资源服务）标识码（OSID）

0 引言

在信息时代背景下，高校计算机课程体系作为培养计算机专业人才的重要基石，其复杂性和多样性日益凸显。随着计算机技术的快速发展和教育理念的更新，传统的课程体系构建方法在某些方面已难以满足当前教育需求。具体而言，传统的课程体系往往缺乏系统性、动态性和可视化表达，难以全面、直观地展示课程之间的逻辑关系、前后关系以及整体架构，在一定程度上限制了学生和教师对课程知识的理解和掌握。近年来，知识图谱在教育领域展现出巨大的潜力，其本质是通过图的数据结构来展示信息，节点代表实体，边代表实体之间的关系，使得知识图谱能够直观、全面地展示复杂的知识体系，具有结构化、可扩展性和可查询性等特点，使得其在教育领域具有广泛的应用价值。通过构建课程体系知识图谱，可以清晰地展示课程之间的逻辑关系、前后关系以及整体架构，为教师和学生提供更好的教学和学习支持。因此，本研究聚焦于高校计算机课程体系知识图谱的构建及可视化展示，力求构建一个全面、准确的高校计算机课程体系知识图谱，以期为高校计算机课程体系的优化和发展提供参考。

1 知识图谱概述

知识图谱作为一种新兴的数据组织和表示方式，其本质是一个语义网络，旨在描述客观世界中的概念、实体、事件及其之间的关系，并对这些信息进行语义建模。知识图谱通过图的数据结构来展示信息，节点代表实体，边则代表实体之间的关系，使得知识图谱能够直观、全面地展示复杂的知识体系[1]。知识图谱的构建是一个多步骤的过程，主要包括数据收集、实体识别、关系抽取、知识融合与去重等环节。

知识图谱的特点在于其结构化、可扩展性和可查询性。结构化使得知识图谱能够清晰地展示实体之间的关系，便于理解和利用；可扩展性则允许研究者根据需求不断扩展知识图谱的内容；可查询性则使得用户能够方便地查询和获取所需的信息。在教育领域，知识图谱的应用尤为广泛，通过构建课程体系知识图谱，可以直观地展示课程之间的逻辑关系、前后关系以及整体架构。

2 高校计算机课程体系知识图谱的构建

2.1 数据层构建

在构建高校计算机课程体系知识图谱的过程中，保证数据来源可靠与准确是为了全面反映高校计算机课程体系，所以要从多个渠道收集相关数据，主要包括国内外代表性高校的官方网站、课程管理系统、教学大纲和培养方案等。

2.1.1 确定数据来源

国内外具有代表性的高校作为数据源，这些高校在计算机科学领域具有较高的学术声誉和丰富的教学资源，其课程体系能够代表国内外先进水平。通过访问各高校的官方网站和课程管理系统，获取最新的课程大纲、教学计划、授课教师信息等数据。

2.1.2 数据预处理

由于收集到的数据格式各异、内容繁杂，因此在进行知识图谱构建之前，需要对原始数据进行预处理[2]。数据预处理主要包括以下几个步骤：①数据清洗。去除重复、错误或无关的数据项，确保数据的唯一性和准确性。例如，在处理课程名称时，需要统一命名规则，避免同一门课程因命名不同而被识别为多个实体。②数据格式化。将不同来源的数据转换为统一的格式，便于后续处理和存储。例如，将文本格式的教学大纲转换为结构化的XML或JSON格式，以便于提取实体和关系。③数据规范化。对数据进行标准化处理，确保不同来源的数据在语义上保持一致。例如，对于授课教师的姓名，需要统一规范为“姓+名”的格式，避免出现因姓名书写不一致而导致的实体识别错误。

2.2 模式层构建

针对高校计算机课程体系知识图谱的构建，需要设计合理的模式层结构来描述课程体系中的各个要素及其之间的关系。

2.2.1 定义实体类型与关键属性

在高校计算机课程体系中，实体主要包括高校、课程、教师等，为了全面描述这些实体，需要定义它们的关键属性。高校实体的关键属性包括高校名称、所在地区、办学层次等，用于标识不同高校及其在知识图谱中的位置；课程实体的关键属性包括课程名称、课程编号、课程类型（必修/选修）、学时、学分、授课教师等，用于详细描述每门课程的基本信息及其在课程体系中的地位和作用；教师实体的关键属性包括教师姓名、职称、研究方向等，用于标识授课教师的身份和特长，以便学生了解教师的背景和教学特点[3]。

2.2.2 定义关系类型

在高校计算机课程体系中，实体之间的关系主要包括高校与课程的关系、课程与课程之间的关系以及课程与教师之间的关系等。为了准确描述这些关系，需要定义相应的关系类型（如表1所示）。其中高校与课程的关系为“开设”关系，表示某所高校开设了某门课程，用于连接高校实体和课程实体，反映高校在课程体系中的主体地位；课程与课程的关系为“先修”关系、“并行”关系和“后续”关系等，用于描述课程之间的学习顺序和逻辑依赖关系。例如，“数据结构”是“算法设计与分析”的先修课程，表示学生在学习“算法设计与分析”之前需要先掌握“数据结构”的相关知识；课程与教师的关系是“授课”关系，表示某门课程由某位教师负责授课，用于连接课程实体和教师实体，反映教师在课程体系中的教学角色。

2.2.3 使用RDF三元组形式表示实体、属性和关系

RDF是一种用于描述网络资源及其关系的标准数据模型，由节点（表示实体或概念）和边（表示关系）组成。在定义了实体类型、关键属性和关系类型之后，可以使用资源描述框架（RDF） 三元组的形式来表示这些实体、属性和关系[4]。在高校计算机课程体系知识图谱中，每个实体和关系都可以表示为一个RDF三元组（如图1所示）。通过这种方式，可以将高校计算机课程体系中的各个要素及其之间的关系以结构化的形式表示出来，为后续的知识图谱构建和可视化展示奠定基础。

2.3 数据层构建

数据层是知识图谱的实际存储层，包含图谱中所有的实体、关系及属性值等信息。在高校计算机课程体系知识图谱的构建过程中，数据层的构建主要包括数据导入与存储、实体与关系抽取以及知识融合与去重等步骤。

2.3.1 数据导入与存储

将经过预处理的数据导入到知识图谱的存储系统中，以便后续的处理和查询。选择Neo4j图数据库作为存储工具，能够高效地存储和查询图结构数据，并支持复杂的数据关系表示和查询操作。在数据导入过程中，需要将预处理后的数据集转换为Neo4j能够识别的格式（如CSV文件），并利用Neo4j提供的导入工具将数据批量导入到数据库中，导入完成后就可以在Neo4j中看到高校计算机课程体系的初步知识图谱结构[5]。

2.3.2 实体与关系抽取

实体与关系抽取涉及从原始数据中识别出实体和关系，并将其以结构化的形式表示出来。在高校计算机课程体系知识图谱的构建过程中，可采用多种技术手段来实现实体与关系的抽取。其一，基于规则的方法。根据数据的特点制定相应的抽取规则，如通过正则表达式匹配课程名称、通过关键词匹配授课教师姓名等，该方法简单直接，但依赖于人工制定的规则，无法覆盖所有数据情况[6]。其二，基于机器学习的方法。训练命名实体识别（NER） 和关系抽取（RE） 模型来自动识别文本中的实体和关系，可以利用深度学习算法，自动学习文本中的特征表示和模式识别能力，从而提高实体与关系抽取的准确性和泛化能力。然而，这种方法需要大量的标注数据来训练模型，并且模型的性能会受到标注数据质量和数量的影响。其三，混合方法。为了兼顾准确性和效率，采用混合方法来实现实体与关系的抽取，即首先利用基于规则的方法进行初步抽取，然后再利用基于机器学习的方法对结果进行修正和优化，可以在保证准确性的同时提高抽取效率。

2.3.3 知识融合与去重

由于数据来源多样且可能存在重复和冲突的情况，因此在构建知识图谱之前，需要进行知识融合与去重处理。在高校计算机课程体系知识图谱的构建过程中，可采用以下几种方法进行知识融合与去重处理：①实体对齐。针对不同数据源中出现的相同或相似实体（如课程名称相同但编号不同的课程实体），运用实体对齐技术将它们链接到同一个实体节点上，避免在知识图谱中出现重复的实体节点并减少冗余信息。②属性整合。针对同一个实体在不同数据源中出现的不同属性值（如授课教师姓名书写不一致的情况），运用属性整合技术将它们合并为一个统一的属性值表示形式，确保实体属性的准确性和一致性，方便后续的数据查询和分析操作。③冲突解决。针对不同数据源中出现的冲突信息（如课程学时在不同数据源中表示不一致的情况），可制定相应的冲突解决规则，选择其中一个可靠的数据源作为权威数据源，并优先使用其提供的信息来构建知识图谱，从而减少因数据冲突而导致的不确定性和错误。

3 高校计算机课程体系知识图谱的可视化展示

3.1 可视化技术选择与实现

在高校计算机课程体系知识图谱的构建中，可选择Neo4j图数据库来实现知识图谱的可视化展示。Neo4j作为NoSQL图数据库，专为处理具有复杂关系的数据而设计，主要基于图形结构来存储数据，能够高效地存储和查询实体之间的关系，非常适合用于构建和展示知识图谱。Neo4j提供了丰富的图形查询语言Cypher，使得数据查询和可视化变得直观和便捷。同时，Neo4j图数据库内置了强大的可视化工具如（Neo4j Browser） ，用户能够直接通过Web界面查看和交互图形数据[7]。随着数据量的增长和需求的变化，可视化系统需要具备良好的可扩展性和灵活性，Neo4j图数据库支持分布式部署和水平扩展，能够应对大规模数据的可视化需求，同时Neo4j的图形查询语言Cypher提供了灵活的查询能力，使得用户可以根据不同的需求定制可视化展示方案。

3.2 可视化展示实例与分析

为了更直观地展示高校计算机课程体系知识图谱的结构和特点，可利用Neo4j Browser呈现整个计算机课程体系的架构图。在这个架构图中（如图2所示），课程以节点的形式表示，课程之间的关系（如先修关系、支撑关系等）以边的形式表示，不同的节点和边通过颜色、大小、形状等属性进行区分，以便于用户快速识别和理解。例如，基础课程可以用较大的节点表示，专业课程则可以用较小的节点表示；先修关系可以用实线表示，支撑关系则可以用虚线表示[8]。如此一来，用户可以清晰地看到不同课程在整个体系中的位置和作用。

在可视化架构图中，核心课程通常具有较多的连接和较高的中心性，是整个课程体系的基础和支撑，对于培养学生的核心能力和素质具有重要作用。借助Neo4j的图形查询语言Cypher，可以轻松地找出这些核心课程并进行高亮显示，还可以分析课程之间的关键路径，即学生完成学业所必须经历的一系列课程。在可视化展示中，关键路径可以用粗线或不同颜色表示，以便于用户识别和跟踪。除了展示课程体系的结构外，可视化工具还可以通过比较不同课程的教学单元和知识点之间的相似性，发现潜在的教学内容重复问题。在Neo4j中，可以利用图形查询和聚类分析等方法来识别这些重复内容，并在可视化展示中进行标注和提示。例如，对于重复出现的教学单元或知识点，可以用相同的颜色或标记进行区分，并在旁边附上详细的重复说明和建议。

4 结束语

综上所述，本文通过构建高校计算机课程体系知识图谱，实现了课程体系的直观展示和深入分析。研究结果显示，知识图谱技术能够有效地组织和表示复杂的课程体系，帮助教师和学生更好地理解和掌握课程知识，进而提升教学效果和学习效率。这一研究成果不仅丰富了知识图谱在教育领域的应用案例，还为高校课程体系的优化和改革提供了新的理论和方法支持。展望未来，随着教育数据的不断积累和知识图谱技术的持续发展，高校计算机课程体系知识图谱的应用前景将更加广阔。一方面，可以进一步挖掘知识图谱在课程体系建设中的潜力，如利用知识图谱进行课程内容的智能关联和推荐，帮助教师优化课程设计和教学内容。另一方面，可以探索将知识图谱应用于个性化学习路径推荐等领域，根据学生的学习需求和背景，为其量身定制合适的学习路径和资源，从而进一步提升学习效果和满意度。

参考文献：

[1] 魏晗，陈刚，郭志刚.课程体系知识图谱的构建与应用实践[J].教育教学论坛，2023（20）：10-13.

[2] 祝园园，叶茫，彭敏.高校计算机课程体系知识图谱构建及可视化[J].信息与电脑（理论版），2023，35（4）：254-256.

[3] 朱嘉贤，宋向瑛.基于知识图谱驱动的程序类课程教育技术研究[J].现代计算机，2021（20）：108-112.

[4] 刘佳瑞.基于学科专业课程知识图谱的智慧学习资源推荐研究[D].石家庄：河北经贸大学，2023.

[5] 宫兆坤.基于知识图谱的中职Python教学案例设计与应用[D].济南：山东师范大学，2023.

[6] 万聪，王聪，徐长明.工程教育认证背景下以动态知识图谱为核心的高校教学模式探究[J].软件导刊，2023，22（7）：158-163.

[7] 丁国富，王淑营，马术文，等.基于知识图谱的产教融合课程体系建设模式探索[J].高等工程教育研究，2024（2）：79-83，90.

[8] 封小霞.高职课程体系知识图谱构建及可视化研究[J].电脑知识与技术，2024，20（9）：39-42.

【通联编辑：光文玲】