前言：中文期刊网精心挑选了人工智能网络教学范文供你参考和学习，希望我们的参考范文能激发你的文章创作灵感，欢迎阅读。
人工智能网络教学范文1
1.1集先进性、实用性和前沿性为一体的教学内容改革对国内外优秀的人工智能教材[2-6]的内容进行整合，建立人工智能的知识体系，并提取人工智能课程的知识要点，确定集先进性、实用性和前沿性为一体的教学内容。人工智能的核心思想是研究人类智能活动规律和模拟人类智能行为的理论、方法和技术，因此人工智能应围绕“智能”这个中心。由于智能本身的复杂性，难以用单一的理论与方法来描述，因此可以通过建立人工智能的不同层次来刻画智能这个主题。人工智能的主要内容可按图1所示划分为最底层、抽象层、逻辑层和应用层这4个不同层次。在最底层，神经网络与演化计算辅助感知以及与物理世界的交互。抽象层反映知识在智能中的角色和创建，围绕问题求解对知识进行抽象、表示与理解。逻辑层提出学习、规划、推理、挖掘的模型与方式。应用层构造智能化智能体以及具有一定智能的人工系统。将人工智能划分为这4个层次可确定人工智能课程的教学内容，并保证教学内容的循序渐进。
1.2基于人工智能知识体系的教学案例库建设根据所确定的教学内容、知识重点和知识难点，从国内外经典教材、科研项目、研发设计、生产建设以及国内外人工智能网站等多种途径，收集案例素材，加以整理，撰写各知识要点的教学案例及其内容。表1给出基于人工智能知识体系的教学案例示例。
2人工智能课程教学案例的详细设计
在教学案例具体设计时应包括章节、知识重点、知识难点、案例名称、案例内容、案例分析过程、案例教学手段、思考/讨论内容等案例规范，分别从以下单一案例、一题多解案例和综合应用案例3种情况进行讨论。
2.1单一案例设计以人工智能课程中神经网络课堂教学内容为例，介绍基于知识点的单一案例的设计。神经网络在模式识别、图像处理、组合优化、自动控制、信息处理和机器人学等领域具有广泛的应用，是人工智能课程的主要内容之一。教学内容主要包括介绍人工神经网络的由来、特性、结构、模型和算法，以及神经网络的表示和推理。这些内容是神经网络的基础知识。其重点在于人工神经网络的结构、模型和算法。难点是人工神经网络的结构和算法。从教学要求上，通过对该章节内容的学习，使学生掌握人工神经网络的结构、模型和算法，了解人工神经网络的由来和特性，一般性地了解神经网络的表示和推理方法。采用课件PPT和演示手段，由简单到复杂，在学生掌握人工神经网络的基本原理和方法之后，再讲解反向传播BP算法，然后运用“手写体如何识别”案例，引导学生学习理解人工神经网络的核心思想及其应用方法。从国外教材中整理和设计该案例，同时应包括以下规范内容。章节：神经网络。知识重点：神经网络。知识难点：人工神经网络的结构、表示、学习算法和推理。案例名称：手写体如何识别。案例内容：用训练样本集训练一个神经网络使其推广到先前训练所得结果，正确分类先前未见过的数据。案例分析过程：①训练数字识别神经网络的样本位图；②反向传播BP算法；③神经网络的表示；④使用误差反向传播算法训练的神经网络的泛化能力；⑤一个神经网络训练完毕后，将网络中的权值保存起来供实际应用。案例教学手段：手写体识别的神经网络演示。思考/讨论内容：①训练改进与权值调整改进；②过学习/过拟合现象，即在一个数据集上训练时间过长，导致网络过拟合于训练数据，对未出现过的新数据没有推广性。
2.2一题多解案例设计一题多解案例有助于学生把相关知识点联系起来，形成相互关联的知识网络。以人工智能课程中知识及其表示教学内容为例，介绍一题多解案例的设计。知识及其表示是人工智能课程三大内容（知识表示、知识推理、知识应用）之一。教学内容主要包括知识表示的各种方法。其重点在于状态空间、问题归约、谓词逻辑、语义网络等知识表示方法。难点是知识表示方法的区别及其应用。从教学要求上，通过对该章节内容的学习，使学生掌握利用状态空间法、问题归约法、谓词演算法、语义网络法来描述和解决应用问题，重点掌握几种主要知识表示方法之间的差别，并对如何选择知识表示方法有一般性的了解。通过讲解和讨论“猴子和香蕉问题”案例，来表示抽象概念。该案例从国内外教材中进行整理和设计，同时包括以下规范内容。章节：知识及其表示。知识重点：状态空间法、问题归约法、谓词逻辑法、语义网络法等。知识难点：知识表示方法的区别及其应用。案例名称：分别用状态空间表示法与谓词逻辑法表示猴子和香蕉问题。案例内容：房间内有一只机器猴、一个箱子和一束香蕉。香蕉挂在天花板下方，但猴子的高度不足以碰到它。猴子如何摘到香蕉？如何采用多种知识表示方法表示和求解该问题？案例分析过程：①状态空间法的解题过程。用n元表列表示该问题的状态；定义问题的操作算符；定义初始状态变换为目标状态的操作序列；画出该问题的状态空间图。②谓词逻辑法的解题过程。定义问题的常量；定义问题的谓词；根据问题描述用谓词公式表示问题的初始状态、中间状态和目标状态。案例教学手段：猴子和香蕉问题的演示。思考/讨论内容：①选择知识表示方法时，应考虑哪些主要因素？②如何综合运用多种知识表示方法获得最有效的问题解决方案?
2.3综合应用案例设计与单一案例、一题多解案例相比，综合应用案例能更加有效地启发学生全方位地思考和探索问题的解决方法。以机器人行动规划模拟为例，介绍人工智能综合应用案例的设计，该案例包括以下规范内容。章节：人工智能综合应用。知识重点：人工智能的研究方向和应用领域。知识难点：人工智能的技术集成。案例名称：机器人行动规划模拟。案例内容：综合应用行为规划、知识表示方法、机器人学、神经网络、人工智能语言等多种人工智能技术与方法，对机器人行动规划问题进行描述和可视化。案例分析过程：①机器人行为规划问题求解。采用状态归约法与分层规划技术，将机器人须完成的总任务分解为若干依序排列的子任务；依据任务进程，确定若干关键性的中间状态，将状态对应为进程子规划的目标；确定规划的执行与操作控制，以及机器人过程控制与环境约束。②基于谓词逻辑表示的机器人行为规划设计。定义表达状态的谓词逻辑；用谓词逻辑描述问题的初始状态、问题的目标状态以及机器人行动规划过程的中间状态；定义操作的约束条件和行为动作。③机器人控制系统。定义机器人平台的控制体系结构，包括反应式控制、包容结构以及其他控制系统等。④基于神经网络的模式识别。采用神经网络方法以及BP算法对桌面茶壶、杯子等物体进行识别，提取物体图形特征。⑤机器人程序设计语言。运用人工智能语言实现机器人行动规划行为的可视化。案例教学手段：机器人行动规划的模拟演示。思考/讨论内容：人工智能将会怎样发展？应该在哪些方面进一步开展研究？
3案例教学环节和过程的具体实施细节
人工智能案例教学的实施面向笔者所在学院软件工程专业三年级本科生展开。具体实施细节如下。（1）教学内容的先进性、实用性和前沿性。引进和整合国外著名人工智能教材内容，保证课程内容具有先进性。同时将前沿人工智能的研究成果与技术有机地融入课程案例教学之中。（2）案例教学的创新教学模式。在教师的引导下，将案例中涉及的人工智能内容推广到对人工智能的一般性认识。案例的教学过程，成为认识人工智能、初步运用人工智能的理论与方法分析和解决实际应用问题的过程，使学生具备运用人工智能知识解决实际问题的意识和初步能力。在课程教学中，打破国内常规教学方式，建立和实施开放式案例教学模式。采用动画课件、录像教学、实物演示、网络教学等多种多媒体教学手段，以及集中讲授与专题讨论相结合的教学方式将理论、方法、技术、算法以及实现有机结合，感性认识与理性认识相结合，理论与实际相结合，极大地激发学生自主和创新性学习的热情。（3）“课堂教学—实践活动—现实应用”的有机融合。在案例教学过程中，从传统教学观以学会为中心转化为创新应用型教学观以创新为中心，以及从传统教学的以课堂教学为中心转化为以课堂教学与实践活动并重为中心，构造具体问题场景以及设计教学案例在情境中的现实应用，加深学生对教学内容的理解，同时提高学生的思考能力和实际综合应用能力。
4结语
人工智能网络教学范文2
关键词:人工智能;创新性教学;精品课程;课程建设;教学改革
人工智能课程是计算机类专业的核心课程之一,也是智能科学与技术、自动化和电子信息等专业的重要课程,其知识点具有不可替代的重要作用。该课程内容广泛,具有很强的综合性、应用性、创新性和挑战性[1],其开设能够更好地培养学生的创新思维和技术创新能力,为学生提供了一种新的思维方法和问题求解手段。同时,本课程能够培养学生对计算机前沿技术的前瞻性,提高他们的科技素质和学术水平。通过课程的学习,学生对人工智能的定义和发展、基本原理和应用有一定的了解和掌握,启发了对人工智能的学习兴趣,培养创新能力。
中南大学人工智能课程开设于20世纪80年代中期。1983年,蔡自兴作为访问学者赴美国普度大学研修人工智能,并与美国国家工程科学院院士傅京孙(K. S. Fu)教授及清华大学徐光v教授合作研究人工智能。在傅京孙院士教授的指导下,蔡自兴和徐光v教授执笔编著《人工智能及其应用》一书,并于1987年5月在清华大学出版社问世,成为国内率先出版的具有自主知识产权的人工智能教材。本教材不仅为我校人工智能课程提供了一部好教材,而且促进了国内高校普遍开设人工智能课程。此后,又陆续编著出版了《人工智能及其应用》第二版、第三版“本科生用书”和“研究生用书”、第四版等,修读该课程的学生也与日俱增。该书第二版还获得国家教育部科技进步一等奖。经过近20年建设,该我校人工智能课程于2003年评为国家精品课程,并在2008年评为国家双语教学示范课程。这是至今国内唯一同时获得国家级精品课程和双语教学示范课程的人工智能课程。同时,我们还开发了人工智能网络课程,具有网络化、智能化和个性化等特色,被国家教育部评为优秀网络课程,供兄弟院校人工智能教学参考使用,受到普遍欢迎[2]。
作为国内第一门人工智能精品课程,我们按照教育部精品课程标准建设《人工智能》课程,尤其是在教学内容、创新性教学方法和教学模式上进行不断进行改革与探索,取得了很好的效果。本文即为我校人工智能精品课程建设与改革经验的初步总结。
1教学内容优化
1.1课堂教学内容优化
教学内容的确定是课程的首要任务。如何选好教学内容,使学生既能了解本领域的概貌,又能适合学生的基础,便于他们在有限的时间完成学习任务,是一件难事。教学内容除了包含基础理论外,还应该反映人工智能领域的新发展和新动态,跟上学科发展的步伐。本课程最初设定的教学内容分基础部分和扩展应用部分。基础部分主要包括人工智能的定义和发展、知识的表示以及推理,而扩展应用部分主要包括专家系统、机器学习、机器规划、机器视觉等。
近年来人工智能科学的快速发展,涌现出了大批新的方法和算法,研究热点问题也从符号计算发展到智能计算和Agent等。
学内容,既能使学生了解本领域的概貌,又能适合学生的基础,便于他们在有限的时间完成学习任务,是一件难事。教学内容除了包含基础理论外,还应该反映人工智能领域的新发展和新动态,跟上学科发展的步伐。本人工智能课程最初设定的教学内容分基础部分和扩展应用部分。基础部分主要包括人工智能的定义和发展、知识的表示以及推理,而扩展应用部分主要包括专家系统、机器学习、机器规划、机器视觉等。
近年来人工智能科学的快速发展,涌现出了大批新的方法和算法,研究热点问题也从符号计算发展到智能计算和Agent等。
随着科学技术的不断进步,在科学研究和工程实践中遇到的问题变得越来越复杂,传统的计算方法无法在一定时间内获得精确的解。为了在求解时间和求解精度上取得平衡,很多具有启发式特征的智能计算算法应运而生。这些算法通过模拟大自然和人类的智慧来实现对问题的优化求解。计算智能作为人工智能的一个新的分支是目前的研究热点,它主要涉及神经计算、模糊计算、进化计算和人工生命等领域,在如模式识别、图像处理、自动控制、通信网络等很多领域都得到了成功应用。另一个近10年来人工智能的研究热点是Agent和多Agent系统,其理论最早来自分布式人工智能,并随着并行计算和分布式处理等技术的发展而逐渐成为热点。
以上两个内容都是人工智能的重要分支。因此,我们在《人工智能及其应用》第三第3版[3]和第四第4版教材[4]中已经顺应形势加入了这方面的内容,并将教学内容也进行了相应的扩展,加入了计算智能、分布式人工智能与Agent。由于不确定性推理和基于概率的推理方法应用也越来越广泛,我们也将此类非经典推理方法单独作为一章来进行教学。另外,还增加了一些新的内容,如本体论和非经典推理、粒群优化和蚁群计算、决策树学习和增强学习、词法分析和语料库语言学,以及路径规划和基于Web的专家系统等。图1给出本课程的教学内容大纲。
人工智能的教学内容涉及面广且内容较多,要在有限课时内完成教学计划并让学生掌握,具有一定难度。因此需要根据教学对象的需求有所取舍。中南大度。因此需要根据教学对象的需求有所取舍。中南大学在智能科学与技术、计算机、自动化三3个专业中均开设了人工智能课程,根据相关专业课程教学对象,对学时和教学内容进行适当调整。对于智能科学与技术专业,人工智能课程为必修课,共48个学时含实验8个学时。表1表示为相关专业的人工智能课程教学内容分配情况。对于计算机和自动化专业,人工智能课程为选修课,共32个学时含实验8个学时。许多兄弟院校的计算机专业都把人工智能定为必修课,课程学时也在50学时左右。因此,我们一再强烈建议我校的计算机专业把人工智能列为必修课,并适当增加学时。由于智能科学与技术专业开设有专家系统和智能计算选修课程,因此在人工智能教学内容中只将这两部分做简要阐述,而将重点放在知识表示和推理以及扩展应用上。对于计算机专业学生来说,除基本的知识表示和推理外,计算智能和Agent技术也是他们在软件开发和通讯技术理论学习中需掌握的重要概念。同时,计算智能、专家系统对自动控制和电气工程也十分重要,对自动化专业则应掌握该方面的内容。
1.2实验实践教学创新
国内人工智能课程在开设之初大多没有安排实验内容,仅为理论基础和概念讲授。由于理论比较抽象,很难理解,学习效果不理想,学生们对于其应用实现也十分困惑。此后,各高校也逐步在该课程中分配了实验学时,大多数采用prolog语言和专家系统作为实验语言和对象[5]。为了改进该课程的教学,我们也从没有实验到将实验学时从零调整为设置4个学时的实验课时,然后到现在的8个学时的实验课时。随着课堂教学内容的改革,实验内容也进行了优化和更新。
人工智能课程实验的目的是帮助学生掌握基本理论,发挥主动性,研究探讨人工智能算法和系统的运行和实现过程,提出思路并验证自己探索的思路,从而更好的地掌握知识,培养研究能力和创新能力。因此,在实验教学内容的设计上,实验项目应具备研究性和综合性。实验项目目标明确,要求学生带着问题和任务进行实验,但实验过程又要有一定的灵活性,学生可以根据自己的思考进行适当的调整。再者,充分采用虚拟实验方式进行实验,大大提高了学生的兴趣,提供了分析和探讨智能算法的很好平台。同时,学生的实验数据和实验结果分析既有格式要求,又给学生报告自己的研究的过程和结果留有空间,并在评分时加以充分考虑。这些做法能够鼓励学生,特别是鼓励优秀学生进行独立性研究,满足他们学习的需求。
1) 人工智能课程的实验环节不足和课时分配问题。
中南大学的人工智能课程的实验环节经历了从精品课程建设前没有到开设,一直到其内容和形式上的不断改进过程。但目前实验还主要处于演示性和编程的实验阶段,而非设计和训练阶段。此外,由于人工智能课程涵盖范围广、内容多,而课程所设置的学时有限。,如何分配好课堂教学与实验课时也是一个需要在今后课程建设中不断探索的问题。
对于某些专业的人工智能课程,可以考虑单独开设人工智能实验课程或人工智能程序设计与实验课程。
2) 人工智能技术发展迅速情况下如何保持该精品课程持续发展的问题。
人工智能作为一门高度融合的交叉科学,其发展速度迅速,不断有新理论、新问题涌现出来。我们的
人工智能教学既要注重基础理论知识,又要紧跟学科发展的步伐,势必要求对课程内容进行不断更新,这对我们的教学资源和教师素质都提出了更高的要求。
4结语
本文介绍了中南大学的精品课程――人工智能课程教学内容和创新性教学方法的一些探索,已在课堂教学内容的优化、实验环节的改进、教学方法的创新的实施上取得了很好的效果,充分激励了学生的学习积极性和主动性,多方位培养学生发现问题、分析问题和解决问题的能力。我们的想法和做法可供兄弟院校同行参考。不过,仍然存在一些不足之处。随着智能科学与技术的发展和更为广泛的应用,人工智能课程的重要地位必将更加突显,我们也需要继续努力,与时俱进,不断完善人工智能精品课程的建设。
注:本文受教育部质量工程国家级精品课程人工智能(2003)、全国双语教学示范课程人工智能(2007)项目支持。
参考文献:
[1] 薛莹. 创新教育新途径人工智能与机器人教育:哈尔滨市教育研究院张丽华院长访谈录[J]. 中国信息技术教育,2010(1): 20-22.
[2] 蔡自兴,肖晓明,蒙祖强,等. 树立精品意识搞好人工智能课程建设[J]. 中国大学教学,2004(1):28-29.
[3] 蔡自兴,徐光佑. 人工智能及其应用[M]. 3版. 北京:清华大学出版社,2003.
[4] 蔡自兴,徐光佑. 人工智能及其应用[M]. 4版. 北京:清华大学出版社,2010.
[5] 韩洁琼,闫大顺. 人工智能实验教学探讨[J]. 计算机教育,2009,(11):135-138.
[6] 刘丽珏,陈白帆,王勇,等. 精益求精建设人工智能精品课程[J]. 计算机教育,2009,(17):69-71.
Exploration of Innovative Teaching Mode of Artificial Intelligence Elabrate Course
――Construction and Reformation in Elaborate Course of Artificial Intelligence
CHEN Bai-fan, CAI Zi-xing, LIU Li-jue
(Institute of Information Science and Engineering, Centnal South University, Changsha 410083, China)
人工智能网络教学范文3
>> 智能小区的宽带网络基本概念 关于旅游学科基本概念的共识性问题 谈谈旅游学科中基本概念的“可靠性”问题 智能社会的智能战 函数的基本概念 运动概念智能眼镜 中职乐理教学中的基本概念问题分析 家具包装的基本概念及其设计问题 智能电视真的智能吗? 智能城市中智能交通的构建 人工智能与人的智能 “伪智能”的智能家居 智能家庭系统的智能网关设计 论智能交通建设 旅游社会学科建设的基本理论问题研究 民族传统体育学科建设的基本理论问题 关于经济学学科建设的三个基本问题 “中国近现代史基本问题研究”学科建设的再思考 学科建设管理的基本职能 智能的，无线的 常见问题解答 当前所在位置：l.
Basic Concept Problems of Academics Construction of “Intelligence”
WEI Shize
(Hebei University of Science and Technology, Shijiazhuang 050021, China)
人工智能网络教学范文4
关键词:智能科学与技术;实验体系;实验平台;特色;创新
中图分类号:G642 文献标识码:B
1引言
被认为是信息科学技术前沿和核心的“智能科学与技术”,自2004年由北京大学自主设立该本科专业以来,不但得到人们的普遍认同,而且得到了较大的发展,全国至今已有15所大学开办该本科专业,其中包含教育部直属高校7所和地方性高校7所,“211”高校就有10所。尽管“智能科学与技术”本科专业在全国已初具规模,但作为本科教育,乃处于起步和探索阶段,一级学科和二级学科还没有完全建立,培养方案的理论体系和实验体系还有待进一步探索和完善。本文主要结合我校在专业实验建设过程中的一些实际和体会,就“智能科学与技术”专业实验平台建设谈一些做法和设想。
2明确实验平台建设的目标和思路
专业的实验平台建设是为专业的培养目标服务的。我校“智能科学与技术”专业的培养目标是:学生要具备坚实的数学、电子技术、计算机和智能信息处理、机器学习和控制、计算机集成、智能理论与技术等较宽领域的工程技术基础知识和专业基础知识,能在科研、教育、企事业等部门从事智能理论研究、智能信息处理、智能技术应用等方面的教学、科研和开发应用等工作,成为能掌握智能理论与技术及专业技能的研究与应用的高级工程技术人才。培养要求是:了解信息系统及智能科学与技术领域的学科前沿、最新进展和发展动态;系统地掌握本专业领域宽广的技术基础理论知识,以适应智能信息处理与技术应
用等方面需求;掌握信息获取、处理的基本理论和智能处理的一般方法,具有设计、集成、应用智能系统的基本能力;具有较强的自学能力、文献检索、资料查询动手能力、创新意识和较高的综合素质等。
实验课不但是对相关理论知识的深入理解和综合运用,而且更是对动手动脑能力的综合培养和锻炼。因此,实验平台建设目标和思路是将基础实验、设计性与综合性实验与课程设计、毕业设计等相结合,理论课程的实验教学与智能科学技术相结合,增加学生创新性的实验与实践,培养学生扎实的理论基础和实践与创新的基本技能。
根据最近中国人工智能学会教育工作委员会制定的“智能科学与技术”作为一级学科,“智能理论与方法”、“知识处理技术”、“智能系统与应用”为一级学科下设的三个二级学科的思路,如图1。因此,实验平台建设的思路应是:(1) 能具备研究和探讨自然智能系统的机理和机器智能的模拟方法的实验系统。它主要包括:脑科学基础、认知科学理论、智能的模拟理论与方法、面向智能的信息理论、知识理论、逻辑理论、复杂系统的自组织理论、决策理论、问题求解方法、机器学习、群体智能、人工情感、人工意识等。(2)能进行知识处理技术多的实验设施或软件系统、智能工具。通过这些设施或软件,执行由信息到知识和知识到策略的思维性加工技术、智能检索、以及多媒体信息处理与机器感知、机器学习等。(3)具备智能系统与应用的各种对象,如智能机器人、智能装置、智能信息网络等。总之,实验的设备和环境既可使学生完成某门课程的验证性实验、综合性实验和设计性实验,也可完成多门课的交叉性实验或课程设计。
图1学科结构图
作者简介:陈以(1963-),男,广西玉林人,研究生,副教授,学院副院长,主要研究方向为智能控制、计算机应用技术。
3实验平台建设的主要内容
大学的实验教学不仅涵盖了理论课的内容,而且比理论课更为复杂。通过实验,既能丰富活跃学生的科学思维,又能使学生加深对课堂上学到的理论知识的理解、巩固和提高,并最终达到培养学生对客观世界的观察能力、分析能力和解决能力。为达到这样一个实验培养目的,实验平台建设的内容应从以下几方面入手。
3.1实验体系建设
“智能科学与技术”作为一个新办的专业,其实验教学体系尚处于探索和完善阶段。基于学校和学院现有的实验室基础,特别是学校创新实践教育特色和我院现有学科的实验室基础,我们在“智能科学与技术”专业的实验教学体系上重点考虑以下几方面的建设:
(1) 建立层次化的实验教学体系
层次化的实验就是让学生从验证性的实验开始,逐步到设计性、综合性和带创新性实验或工程项目开发实践等的实验环节,学生最后阶段的毕业设计环节属于综合性或创新性实践实验。实验层次安排主要体现实验教学的层次由简单到复杂、由单一到综合、由学习到创新的科学过程,形成由“验证性实验设计性实验综合性实验课程设计创新实践”的实验层次设置方法。
(2) 实验教学要与生产实际相结合
为增强学生学习的兴趣,培养学生的工程素质、动手能力和综合创新能力,也为提升就业率,我们注重依托CSIP(国家软件与集成电路公共服务平台)广西分中心(该中心设在我校)、学院申报的广西省级自动化实验教学示范中心等,促进服务市场应用与交流,采取请进来、走出去等多种途径实验教学方法将某些专业课实验和生产实习相结合。根据实验教学规划需要,进行仪器设备购置,使实验教学满足社会需求,形成以验证性实验为先导,综合性实验为巩固,设计性或工程性项目实践为提高,以社会需求为导向的实践教学培养体系。
(3) 实验教学与科研有机结合
实验是科研的基础,实验可以带动科研;科研反过来促进教学,并通过成果带动实践教学的改革和发展。参与老师的科研,学生不但能了解学科发展的规律和技术前沿,加深对课程内容的理解,提高学生的实践能力和创新能力,而且能升华学生对实验的内涵的解读,增强对实验学习的兴趣,明确做人、做事的道理,为未来走向社会打下坚实的基础。
(4) 特色建设与创新
特色是一所学校、甚至一个学科或专业赖以生存和发展的基础。我校是以工为主,电子信息类学科优势突出、创新实践教育特色鲜明的多科性大学。学校的前身是1960年成立的桂林机械专科学校,1980年,学校更名为桂林电子工业学院,全面开始本科教育。在原学校计算站的基础上,正式成立计算机系,成为广西最早开办计算机专业本科教育的高校,1995年开始进行研究生教育。2006年,桂林电子工业学院更名为桂林电子科技大学,原计算机系经重新组合,更名为计算机与控制学院。计算机与控制学院目前拥有计算机科学与技术、控制科学与工程两大学科,主要开设有计算机科学与技术、软件工程、信息安全、网络工程和自动化等本科专业,以及两大学科基本有的二级学科硕士点。我校的“智能科学与技术”专业就设在计算机与控制学院,这正是中国人工智能学会当初设立专业的初衷和建设发展的基础条件。
我校经过近50年的发展,目前已具有2个国家级实验教学建设示范中心,2个国家级特色专业建设点,1个国家级教学团队,3个广西省级实验教学示范中心或建设中心,1个国家级的大学生创新型实施单位及1个团中央大学生创新实践基地,以及具备创新型的机器人中心、飞思卡尔智能车中心、电子设计训练基地等多个省级或校级中心和基地。我院还有1个信息产业部部级重点实验室,1个ASEA培训中心,6个与华晟、研华、华为3COM、金蝶等知名企业共建的实验室或研究中心。对大学生电子设计大赛,我校自1997年派队参赛以来,每次在广西区和全国都有出色的表现,2001年还获得最高奖“索尼杯”;对飞思卡尔智能车比赛,我院代表队(代表学校)近年还连续获得华南赛区和全国赛一等奖等。学校还特设有创新学分,学生课外创新活动取得成果可以给予适当的学分来代替选修课学分。
我校的“电子信息类学科优势突出、创新实践教育鲜明”的特色在广西和华南地区具有较大的影响力,甚至在全国也有一定知名度。因此,我们在“智能科学与技术”专业实验体系建设中,紧紧结合现有的资源和条件,在智能机器人(车)、智能信息处理和智能技术与应用等方向,立足和发挥这一传统的优势和特色。在“夯实基础,独立实践,创新提高”的实验教学理念下,培养基础扎实、知识面宽、具有创新精神和工程实践能力的高素质的综合型人才。
3.2实验管理平台建设
实验管理平台建设主要是针对实验老师与学生建立一个集网络化、开放式于一体的实验教学与管理体系。
网络化、开放式的实验教学体系是实验教学平台建设成熟的重要标志。学生通过这样一个完善和规范的实验教学与管理体系,可以自主预约想做的实验,自主选择实验内容、实验时间,并通过网络与实验教师的互动与交流。这种全开放的网络化实验教学体系,不但能充分调动学生的积极性、主动性,而且还能充分利用有效的资源,提高利用率,如图2所示。
我校实验选课系统充分考虑了“以学生为主”的实验教学模式和开放式教学的特点,学生可以根据各自的学习计划灵活选择实验项目以及开设的时间。实验教师、实验管理员可以方便地通过留言与学生交流,学生的问题也可以通过“一对一”的形式即时解决。教师则通过实验选课系统查阅学生选课情况、登录学生实验成绩、回答学生提问。通过近年的建设,我院的网络化的开放式实验教学体系已初具规模,再铺之于学校完善的网络实验选课系统,从而为学生提供了个性化学习的实验环境,提高他们独立自主的实践与创新能力。
3.3实验师资队伍建设
实验教学队伍的稳定和提高是实验教学发展、提高与创新的保证。我校有一系列相关的政策和措施稳定实验教
师队伍,鼓励青年实验人员在职攻读学位、外出进修、培训等,激励实验人员在搞好实验教学的同时,积极参加科研实践。总之,稳定和提高现有教师实验教学技能,积极引进高素质人才,是推动、加强和提高实验教学质量的需要。
我院目前实验队伍(含研究人员)共20人,其中正高职称人员6名,副高职称人员9名,中级职称人员5名,具有博士学位人员5名,取得硕士学位的有16人,拥有一支以中青年为主体,以博士为骨干的较高层次的教学科研队伍。实验队伍具有较优良的素质,年龄、知识及职称结构比较合理,他们相对稳定、富有活力,是我们具备高质量、高水平实验教学体系的保证。
4结束语
实验不仅是理论的基础和源泉,而且实验环节作为整个教学体系的主要环节之一,在培养学生的实际动手能力和创新能力中起着无法替代的重要作用。因此,实验平台建设除了要帮助学生巩固和加深理解所学的理论知识,树立严谨科学的研究方法,掌握基本的科学实验技能外,还要充分调动他们的主观能动性,进行动手动脑与创新的实践,形成特色。
本文只是结合我校与我院自身的实际,就已有的专业实验体系和“智能科学与技术”新专业实验建设情况进行了探讨,还有待实践中继续完善与提高。
参考文献:
[1] 钟义信.设置“智能科学与技术”博士学位一级学科:必要性、可行性、紧迫性[J].计算机教育,2009(11):5-9.
[2] 王万森,钟义信,韩力群,等.我国智能科学技术教育的现状与思考[J].计算机教育,2009(11):10-14.
人工智能网络教学范文5
[关键词]网络环境；大数据；高校图书馆；信息咨询服务
一、研究背景
伴随着社会不断地推进，科技水平的不断革新，我们顺利地从信息网络时代过渡到了大数据时代，相应的，各个高校内图书馆的信息咨询类服务模式也发生了变化。因而，文章就将围绕大数据这一新兴网络环境之下的各高校图书馆有关的信息咨询服务的变化及管理模式进行分析和探索，以便从图书馆环节将时代不断的革新特征体现出来。
二、何谓大数据
“大数据”是近年来在网络环境中新兴起的一个词汇，从相关的资料中对其的定义是：巨量资料又被称之为大数据，其主要指的是一些较大规模量的资料已经不能够从现阶段的主流性媒体工具软件之中通过，为了确保所有的资料能够在合理的时间段内被企业有效地处理、汲取、管理等，就需要进行一定的数据处理这样一个过程。
三、关于信息咨询服务如何在大数据中得到体现
相较于传统海量的数据而言，新网络环境之下的大数据是有着很大差异性的，其不再是单纯的隐含着较大的数量，并且还能够以四个“V”的形式对其进行更加细致的总结，简单讲就是低价值密度、大体量、快速度以及多元化。如：图片、网络日志、地理位置的信息以及视频等种类繁多的数据类型，使得大数据体现出了较低的价值密度特征。又如：连续不间断的对数据进行监控会发现，很长的一段数据监测时间内真正有效地，能够被利用的数据可能只会出现在一两秒的时间内。较快的处理速度体现在“一秒”定律原则上，而这也正是相较于传统形式上的挖掘数据技术而言，作为本质上的差别。无论是移动互联网、物联网、车联网以及云计算，还是PC、手机、传感器以及平板电脑等，均可以说它们是数据承载或者是来源的一种方式，是网络时代进步的衍生。可见，设置在各个高校图书馆之中的信息资讯类服务不能够还长期停留在原有的基础上，如：邮件咨询、电话咨询或者是面对面咨询等，我们需要做的是改革和创新，必须在现代化网络环境的利用下，将新的手段以及新的技术之中所蕴含着的个性化、人性化的信息咨询服务展现在人们眼前，提供给高校学生更加快捷的信息咨询服务。
（一）关于咨询服务从网络交互性着手
1.网络咨询平台的构建
现阶段众多的高校图书馆已经陆续将网上咨询服务平台建立了起来，并开通了服务咨询窗口。众所周知，各个高校中网络咨询服务的开展是奠定在技术科技的进步、网络环境的改变以及多媒体技术的革新之上的，因而高校图书馆能够在网络咨询平台的利用之下将图书馆资源信息的咨询服务以及检索服务，提供给学生以及广大教职工。在大数据时代的引领之下，高校图书馆的信息咨询，教师不用再是咨询台前坐着等待学生们的咨询，无论是空间、时间，还是地点都不会再对他们起到任何限制作用；原有的一对多、一对一甚至是一对多的咨询服务模式均已发生改变，取而代之的是多元化的咨询方式，无论是在线，还是离线均能够进行咨询。
正如我们所知，各个高校图书馆建立网络咨询服务的最终目的，是为了将更好的咨询服务提供给学生以及教师，如：众多文献咨询信息系统的构建（BALIS或者CALIS），其能够对不同层次以及不同学校的学生及教师的咨询提供服务，可见，各个高校之中所构建起来的图书馆信息资源平台能够被充分有效地利用起来。
2.人工智能网上功能的利用
如：我国的一流高校清华大学，一直是新技术的领航人，自大数据网络环境形成以后，其推出了“清华小图”这一人工智能管理员，能够回答众多读者的各种问题。当有学生或者教师需要搜寻某本书时，只需要直接说出书名，“清华小图”便能够自动在系统记忆中搜寻，并将具体的放置位置告诉读者；当读者需要有针对性的寻找一些参考资料时，便可以询问小图，小图能够根据需要的具体方向，介绍一些有关的书目给读者；当读者阅读了某种的类型的书籍，认为有兴趣阅读其他的相类似的作品时，也可以询问小图，小图也会根据自己的判断将相类似的书名以及大致内容回答给读者。
（二）关于个性互动化平台构建
1.关于短信服务
时代的发展是迅猛的，普及的智能化手机为各个高校图书馆相应的网络咨询平台的构建提供了条件，在短信功能的服务下读者们能够接收到来自图书馆的催还书提醒、文献检索、移动个人图书馆、新书以及预约图书等服务，这样快捷的服务模式，读者不用再去往图书馆就能够享受到很多的智能化服务，不但节省了时间，还提高了工作效率。
2.关信服务
飞信服务在各个高校之中已经被普及，无论是班级管理，还是学院管理只需利用飞信就能够将各种信息快速、准确的传达。基于此，各高校的图书管理也运用到了这一点，在飞信的使用下能够快捷的进行文件交互过程，从而将移动网络同互联网之间无缝通信的服务功能实现。
3.关于微博服务
“微时代”又是大数据信息化背景之下的一个衍生，无论是微博，还是微信都已经在生活中普及，相应的，各个高校陆续建立了自己的微博平台，在微博平台取得一定管理效果后，单独的图书馆微博平台也被建立了起怼T谄教ㄖ心芄唤行关系用户之间的信息获取、分享以及传播等过程，读者在wAP或者wEB客户端口上都能够看到图书馆的最新动态。
存在于移动咨询服务之中的微博咨询服务，能够将更加快捷的信息类服务提供给用户，这样不但能够将信息内容全面有效地向公众，还能够在“私信”功能的帮助下定制个性化的咨询服务，以便对不同类型的读者起到信息咨询供给作用。然而美中不足的是，微博服务依然受到了字数的限制，因而还不能够将包含有更多文字的个性化服务提供给读者。此外，还有微信服务，微信服务也是在微博服务成功运营后的衍生。现阶段，大多数的高校图书馆均建立了属于自己的公众号，图书管理员在公众号的运营下能够将最新的图书更新以及其他有关于图书馆的消息介绍给读者，读者也能够根据自己想要找的书籍有针对性地在微信辅助功能中寻找。
（三）关于嵌入式信息咨询的服务内容分析
高校图书馆在大数据网络背景的烘托下，将更加全面的信息咨询服务提供给了学生以及教职工，学生不用在实体图书馆的依托下进行资料的查找，仅仅需要在网络环境的运用下便能够进行科研进度的了解以及学习状况的把握等。
1.围绕着学生的学习进行
为了更加充分的了解到现阶段教学工作中的实际需求，就需要深入到实际的课堂教学之中，并定时在学校实际学习进度的调查下展开有必要的信息知识讲座，以便学生能够了解到更多有效的教学资源获取方式及途径。如：在对本学院法律专业的学生整体学习状况了解的过程中，发现他们在日常的图书馆运用中有法律信息资料检索困y的问题存在，因而本学院就展开了一场围绕着法律资料检索的讲座；此外财经专业的学生对于财经类的资讯有着较大的需求量，因而我们也展开了与之相对应的财经类资料检索讲座。为了及时有效的将学生日常的学习之中嵌入图书馆信息咨询的现代化网络服务，就需要充分的针对不同学院学生实际的学习需求以及教学状况，将相关的信息咨询的作用淋漓尽致地发挥出来。
2.在日常教学之中深入
笔者经过多年的工作总结发现，根据学生不同的专业有针对性地在日常教学工作中将现代化的信息咨询服务镶嵌进去是非常具备现实意义的。如：针对不同专业的学生以及基本的学习状况需要开展不同主题的服务类咨询讲座，并需要穿插在日常的课程训练之中，这样才有助于学生在自身专业课程基本学习状况的结合下，有针对性地对求学中所遇到的困难以及需要获取的信息进行检索、查找等，以便有效地解决各项信息资料检索中所存在的问题。又如：本院的图书馆信息咨询工作，针对英语专业学生的教学状况，以及最常见的几类需求量较大的教学问题，有意识地在日常教学的过程中将图书馆相关的信息资源有效的运用在讲座内容中，有助于该专业学生能够在日常的课堂学习中将问题找到并解决，以此来锻炼和提升他们解决问题的能力。
3.从科研教学中着手
对于目前的网络环境而言，若想有效地将信息咨询服务嵌入到科研成果之中，还存在较大的难度，因为大部分的科研工作是需要全身心投入的，没有过多的时间能够被浪费，因此对于科研教师来讲，他们是极其不愿意有图书馆的人员在科研工作中介入的，而这显然会对信息咨询服务的发展起到阻碍作用。因此，笔者会提前对本学院科研项目具体的情况进行了解，以便能够将有针对性的将初期文献资源信息提供给科研项目成员，节省他们文献查找的时间；随后对课题研究进度进行追踪，根据不同的进度情况将不同层次的文献资源信息提供给他们。如果做到以上几个步骤，就很容易在课题研究中提供帮助，并达到较高层次的信息咨询服务水平。
人工智能网络教学范文6
关键词： 自然语言理解； 语义相似度； 全文检索； 在线答疑系统
中图分类号：TP399 文献标志码：A 文章编号：1006-8228（2015）05-10-03
Abstract： The similarity calculation based on natural language understanding is still a research content of the computer language processing technology. Based on the knowledge representation of "HowNet"， considering the both factors of depth and density， by using a more sophisticated multivariate semantic similarity algorithm， and with a full-text search matching technology， an online answer system in the limited field is designed and implemented. The experimental results show that， the system is reliable， the answer effect is more obvious， and the desired goal is achieved.
Key words： natural language understanding； semantic similarity； full text retrival； on-line answer system
0 引言
随着计算机网络技术的飞速发展，传统的教学手段已不能满足当前大信息量的教学内容需求，因此，创造一个在教师指导和引导下学生自主式学习的智能系统平台很有必要。智能的网络答疑系统可以利用自然语言处理技术对学生的疑问进行自动匹配处理，它的出现为网络教学提供了交互的情境，成为支持网络教学顺利进行的重要条件。智能网络答疑系统是传统课堂教学的重要补充，并逐渐在学生学习、认知、再学习这样一个闭环的学习过程中发挥着举足轻重的作用[1]。
1 设计思想及算法原理
基于计算机自然语言处理技术，充分利用校园网络资源，通过人机互动等丰富信息表现形式，实现一个智能的、高效的基于自然语言理解的专业课程自动答疑系统。系统设计的关键是如何实现快速、高效的智能搜索答案。该过程实际上类似于一个搜索引擎，其核心就是构建一个结构合理、具有完整丰富内容的知识库，并能够在自然语言理解的基础上，快速、准确的完成自动答疑工作。基于自然语言理解的在线答疑系统中两个关键技术分别是：中文分词技术和相似度计算。
1.1 中文分词技术
自然语言理解（Natural Language Understanding，简称NLU）研究如何让计算机理解和运用人类的自然语言，使得计算机懂得自然语言的含义，并对人给计算机提出的问题，通过人机对话（man-machine dialogue）的方式，用自然语言进行回答。为了使计算机系统能够较好地理解用户提出的问题，首先需要对问题进行处理，这一过程最先用到的最为关键的技术就是分词技术【2，3】。由于中英文之间的语言组织、词法结构不同，使得中文分词一直以来成为制约中文自然语言处理的主要因素。而中文文本中，只是字、句和段之间可以通过明显的分界符来简单划界，词与词之间没有天然的分隔符，中文词汇大多是由两个或两个以上的汉字组成，并且语句是连续书写的。这就要求在对中文文本进行自动分析之前，先将整句切割成小的词汇单元，即中文分词（或中文切词），相比英文语句处理，中文分词难度更大。
从算法处理上看，目前主要有三种【4-6】：一是基于词典的分词方法，它使用机器词典作为分词依据，分词效率高，目前应用范围较广；二是基于统计的分词方法，它是利用统计方法，通过对大规模文本的统计，让计算机自动判断的方法，该方法使系统资源开销较大；三是基于人工智能的分词方法，如专家系统和神经网络分词方法等，这类方法目前尚处于实验室阶段，尚未投入实际应用。
1.2 相似度处理技术
相似度计算在自然语言处理、智能检索、文本聚类、文本分类、自动应答、词义排歧和机器翻译等领域都有广泛的应用[7]。其计算方法按照基于规则和统计分为两种情况：一是根据某种世界知识（如Ontology）来计算，主要是基于按照概念间结构层次关系组织的语义词典的方法，根据在这类语言学资源中概念之间的上下位关系和同位关系来计算词语的相似度[8]；二是利用大规模的语料库进行统计，这种基于统计的方法主要将上下文信息的概率分布作为词汇语义相似度的参照依据[9]。
⑴ 常用语义词典
对于基于语义词典的相似度计算方法，由于存在计算简单、基础条件低、假设条件易于满足等优点，受到越来越多研究者的欢迎。常用语义词典主要有[10-12]：WordNet、FrameNet、MindNet、知网（HowNet）、同义词词林、中文概念词典（CCD），以及叙词表、领域概念网、概念图等概念网络结构。本文对于相似度的计算主要是基于知网（HowNet）结构。其概念结构如图1所示。
⑵ 相似度计算
与概念相似度密切相关的一个概念是语义距离（semantic distance）。在一棵树形图中，任何两个节点之间有且只有一条路径，在计算语义相似度的时候，这条路径的长度就可以作为这两个概念的语义距离的一种度量，通常认为它们是概念关系特征的不同表现形式，两者之间可以建立一种简单概念词相似度用来描述概念树中两个节点之间的语义接近程度，一般最常用的是刘群提出的以《知网》为基础的相似度计算方法[13]：
式⑴中，p1和p2表示两个概念节点，dis（p1，p2）是树状结构中两节点间的最短距离，α是一个调节参数，表示相似度为0.5时的路径长度。
文献[14，15]综合考虑深度与密度因素，提出了多因素义原相似度计算方法：
式⑵中，h为义原树深度，l为LCN层次，LCN为最小公共父节点。
文献[16]认为该方法存在两点不足：一是该式仅把相似度取为密度、深度因素的算术平均值，显然对于概念节点分布不均的情况不够合理；二是该式没有对密度、深度两者的影响程度进行分析，这样对他的使用范围受到了限制。基于此考虑，提出了改进的语义相似度计算方法：
式⑶中，l（p1，p2）为分别遍历概念网中节点p1，p2到达其最小公共父结点所历经的父结点（包括最小公共父结点）数的最大值。w（p1，p2）为p1，p2所在层概念数的最大值。算法关键部分引进了一个调节参数λ（p1，p2），并保证在该参数的作用下，当节点p1，p2所在层概念数较多，即w（p1，p2）增大时，密度因素对相似度的贡献值大；而当p1，p2离最小公共父结点较远，即l（p1，p2）增大时，深度因素对相似度的贡献值较大。同时算法约定，当p1，p2的父结点和最小公共父结点相同，且同层只有p1，p2两个节点时，调节参数为0.5。该方法即为本文在相似度计算方面采用的算法模型。
2 模型设计
下面我们参考文献[17]，按照一般教师对于问题的处理方式，在上述概念语义相似度计算的基础上，从计算机建模层面上给出计算机自动答疑模型的建模过程。
Step1：计算条件
已知标准问题库A可以表示为关键词序列：A=（a1，a2，…，an）；学生提问B可以表示为关键词序列：B=（b1，b2，…，bn）。
Step2：相似度计算
⑴ 知识点关键词信息提取
该问题的处理主要通过提取学生问题中每一个关键词，对照系统知识库，从底层开始遍历搜索，当找到对应的概念节点时，提取该节点的高度、密度等属性信息，并保存起来，搜索完成后即可参加相似度的计算。
⑵ 概念相似度求解
概念相似度的计算采用语义相似度技术，设标准问题库A可以表示为知识点的一个向量组A=（a1，a2，…，an），循环遍历每一个学生输入的问题关键词序列，通过概念语义相似度算法可得到任意两概念之间的相似度Sim（ai，bj），其中i=1，2，…，m，j=1，2，…，n。
Step3：匹配结果输出
前面已经完成了输入问题和标准问题库之间的循环相似度匹配计算，为了将需要的信息提取出来，模型还需要设置一个阀值δ。通过阀值δ这个关卡，将相似度结果大于δ的问题提取出来，并按照降序排列输出即可。论文答疑系统模型建模流程如图2所示。
3 系统实现与验证
系统设计环境为Visual Studio 2005，数据库服务器为SQL Server 2000。采用B/S网络模型进行构架设计，按照系统功能需求划分为用户表示层、应用逻辑层和数据访问层三个层面。系统测试界面如图3所示。
如图3所示，在答疑系统界面中输入问句：“计算机包含哪些硬件？”，系统自动分词后生成的关键词语汇单元为：“计算机；硬件”（其中“包含；哪些”等作为停用词已经被过滤掉了），然后系统自动在数据库中检索匹配，最终反馈了12条相关结果，图3为部分结果截图。这里说明一点，反馈结果的多少取决于阀值δ，测试中我们选取的阀值δ为0.8，一般我们取阀值δ在0.8左右即可。
为了进一步验证系统的查询能力，我们将刚才的问句调整为：“计算机包含？”，这时系统自动分词后生成的汇单元只有一个关键词“计算机”，最终匹配结果如图4所示。
这里读者或许会发现，系统反馈回来的结果与问题毫不相关。其实，这并不是系统出错，而是“知网”概念网络中“计算机”与“硬件、软件”两个概念关系比较密切，表现为在概念网络中的节点位置较为接近，匹配结果相似度值较高，因此才有了上述的结果。也就是说，也许在某些时候当查询某个概念时，相近的结果就会被检索出来（或者当不确定查找的问题时，只需输入相近的问题，也会查询到想要的答案），这就是基于自然语言理解的语义相似度计算模型优势所在。
4 结束语
由于汉语词汇表达的复杂性和词汇语义概念较强的主观性，以及具体应用领域的专业性等因素影响，目前基于自然语言理解的相似度计算仍是计算机语言处理技术需深入研究的内容。本文在“知网”知识表示的基础上，充分考虑“知网”深度和密度因素影响，基于全文检索匹配技术，设计并实现了一个限定领域内的在线答疑系统，大量的运行结果证明了该系统是可靠的，达到了系统设计的目的。但在准确性方面还存在不足，从第一个测试中可以看出，提问人员真正需要的是：“计算机的硬件组成”。其重点关注的是计算机、硬件，而答案给出了太多的“计算机特点，计算机发展”等其他一些与“计算机”有关的匹配答案，其原因是关键词权重的影响因素没有体现出来，离真正的自然语言理解还存在一定的距离，这是系统下一步有待改进的地方。
参考文献：
[1] 冯志伟.自然语言问答系统的发展与现状[J].外国语，2012.35（6）：28-30
[2] 黄，符绍宏.自动分词技术及其在信息检索中的应用研究[J].现代图书情报技术，2001.3：26-29
[3] 沈斌.基于分词的中文文本相似度计算研究[D].天津财经大学，2006：12-17
[4] 张波.网络答疑系统的设计与实现[D].吉林大学，2006：30-31
[5] 张丽辉.计算机领域中文自动问答系统的研究[D].天津大学，2006：14-18
[6] 朱.中文自动分词系统的研究[D].华中师范大学，2004：12-13
[7] 周舫.汉语句子相似度计算方法及其应用的研究[D].河南大学，2005：24-25
[8] 于江生，俞士汶.中文概念词典的结构[J].中文信息学报，2002.16（4）：13-21
[9] 胡俊峰，俞士汶.唐宋诗中词汇语义相似度的统计分析及应用[J].中文信息学报，2002.4：40-45
[10] Miller G A， Fellbaum C. Semantic network of English [M]//Levin B， pinker S. lexical & conceptual semantics. Amsterdam， Netherlands： E lsevier Science Publishers，1991.
[11] Baker C F. The Berkeley frameNet project [C]//Proceeding ofthe COLING -ACL.98.Montreal， Canada，1998：86-90
[12] 黄康，袁春风.基于领域概念网络的自动批改技术[J].计算机应用研究，2004.11：260-262
[13] 刘群，李素建.基于“知网”的词汇语义相似度计算[C].第三届汉语词汇语义学研讨会论文集，2002：59-76
[14] AGIRREE， RIGAU G. A Proposal for Word Sense Disambigua-tion Using Conceptual Distance[EB/OL]，1995：112-118
[15] 蒋溢，丁优，熊安萍等.一种基于知网的词汇语义相似度改进计算方法[J].重庆邮电大学（自然科学版），2009.21（4）：533-537
