前言：中文期刊網精心挑選了人工智能網絡教學范文供你參考和學習，希望我們的參考范文能激發你的文章創作靈感，歡迎閱讀。
人工智能網絡教學范文1
1.1集先進性、實用性和前沿性為一體的教學內容改革對國內外優秀的人工智能教材[2-6]的內容進行整合，建立人工智能的知識體系，并提取人工智能課程的知識要點，確定集先進性、實用性和前沿性為一體的教學內容。人工智能的核心思想是研究人類智能活動規律和模擬人類智能行為的理論、方法和技術，因此人工智能應圍繞“智能”這個中心。由于智能本身的復雜性，難以用單一的理論與方法來描述，因此可以通過建立人工智能的不同層次來刻畫智能這個主題。人工智能的主要內容可按圖1所示劃分為最底層、抽象層、邏輯層和應用層這4個不同層次。在最底層，神經網絡與演化計算輔助感知以及與物理世界的交互。抽象層反映知識在智能中的角色和創建，圍繞問題求解對知識進行抽象、表示與理解。邏輯層提出學習、規劃、推理、挖掘的模型與方式。應用層構造智能化智能體以及具有一定智能的人工系統。將人工智能劃分為這4個層次可確定人工智能課程的教學內容，并保證教學內容的循序漸進。
1.2基于人工智能知識體系的教學案例庫建設根據所確定的教學內容、知識重點和知識難點，從國內外經典教材、科研項目、研發設計、生產建設以及國內外人工智能網站等多種途徑，收集案例素材，加以整理，撰寫各知識要點的教學案例及其內容。表1給出基于人工智能知識體系的教學案例示例。
2人工智能課程教學案例的詳細設計
在教學案例具體設計時應包括章節、知識重點、知識難點、案例名稱、案例內容、案例分析過程、案例教學手段、思考/討論內容等案例規范，分別從以下單一案例、一題多解案例和綜合應用案例3種情況進行討論。
2.1單一案例設計以人工智能課程中神經網絡課堂教學內容為例，介紹基于知識點的單一案例的設計。神經網絡在模式識別、圖像處理、組合優化、自動控制、信息處理和機器人學等領域具有廣泛的應用，是人工智能課程的主要內容之一。教學內容主要包括介紹人工神經網絡的由來、特性、結構、模型和算法，以及神經網絡的表示和推理。這些內容是神經網絡的基礎知識。其重點在于人工神經網絡的結構、模型和算法。難點是人工神經網絡的結構和算法。從教學要求上，通過對該章節內容的學習，使學生掌握人工神經網絡的結構、模型和算法，了解人工神經網絡的由來和特性，一般性地了解神經網絡的表示和推理方法。采用課件PPT和演示手段，由簡單到復雜，在學生掌握人工神經網絡的基本原理和方法之后，再講解反向傳播BP算法，然后運用“手寫體如何識別”案例，引導學生學習理解人工神經網絡的核心思想及其應用方法。從國外教材中整理和設計該案例，同時應包括以下規范內容。章節：神經網絡。知識重點：神經網絡。知識難點：人工神經網絡的結構、表示、學習算法和推理。案例名稱：手寫體如何識別。案例內容：用訓練樣本集訓練一個神經網絡使其推廣到先前訓練所得結果，正確分類先前未見過的數據。案例分析過程：①訓練數字識別神經網絡的樣本位圖；②反向傳播BP算法；③神經網絡的表示；④使用誤差反向傳播算法訓練的神經網絡的泛化能力；⑤一個神經網絡訓練完畢后，將網絡中的權值保存起來供實際應用。案例教學手段：手寫體識別的神經網絡演示。思考/討論內容：①訓練改進與權值調整改進；②過學習/過擬合現象，即在一個數據集上訓練時間過長，導致網絡過擬合于訓練數據，對未出現過的新數據沒有推廣性。
2.2一題多解案例設計一題多解案例有助于學生把相關知識點聯系起來，形成相互關聯的知識網絡。以人工智能課程中知識及其表示教學內容為例，介紹一題多解案例的設計。知識及其表示是人工智能課程三大內容（知識表示、知識推理、知識應用）之一。教學內容主要包括知識表示的各種方法。其重點在于狀態空間、問題歸約、謂詞邏輯、語義網絡等知識表示方法。難點是知識表示方法的區別及其應用。從教學要求上，通過對該章節內容的學習，使學生掌握利用狀態空間法、問題歸約法、謂詞演算法、語義網絡法來描述和解決應用問題，重點掌握幾種主要知識表示方法之間的差別，并對如何選擇知識表示方法有一般性的了解。通過講解和討論“猴子和香蕉問題”案例，來表示抽象概念。該案例從國內外教材中進行整理和設計，同時包括以下規范內容。章節：知識及其表示。知識重點：狀態空間法、問題歸約法、謂詞邏輯法、語義網絡法等。知識難點：知識表示方法的區別及其應用。案例名稱：分別用狀態空間表示法與謂詞邏輯法表示猴子和香蕉問題。案例內容：房間內有一只機器猴、一個箱子和一束香蕉。香蕉掛在天花板下方，但猴子的高度不足以碰到它。猴子如何摘到香蕉？如何采用多種知識表示方法表示和求解該問題？案例分析過程：①狀態空間法的解題過程。用n元表列表示該問題的狀態；定義問題的操作算符；定義初始狀態變換為目標狀態的操作序列；畫出該問題的狀態空間圖。②謂詞邏輯法的解題過程。定義問題的常量；定義問題的謂詞；根據問題描述用謂詞公式表示問題的初始狀態、中間狀態和目標狀態。案例教學手段：猴子和香蕉問題的演示。思考/討論內容：①選擇知識表示方法時，應考慮哪些主要因素？②如何綜合運用多種知識表示方法獲得最有效的問題解決方案?
2.3綜合應用案例設計與單一案例、一題多解案例相比，綜合應用案例能更加有效地啟發學生全方位地思考和探索問題的解決方法。以機器人行動規劃模擬為例，介紹人工智能綜合應用案例的設計，該案例包括以下規范內容。章節：人工智能綜合應用。知識重點：人工智能的研究方向和應用領域。知識難點：人工智能的技術集成。案例名稱：機器人行動規劃模擬。案例內容：綜合應用行為規劃、知識表示方法、機器人學、神經網絡、人工智能語言等多種人工智能技術與方法，對機器人行動規劃問題進行描述和可視化。案例分析過程：①機器人行為規劃問題求解。采用狀態歸約法與分層規劃技術，將機器人須完成的總任務分解為若干依序排列的子任務；依據任務進程，確定若干關鍵性的中間狀態，將狀態對應為進程子規劃的目標；確定規劃的執行與操作控制，以及機器人過程控制與環境約束。②基于謂詞邏輯表示的機器人行為規劃設計。定義表達狀態的謂詞邏輯；用謂詞邏輯描述問題的初始狀態、問題的目標狀態以及機器人行動規劃過程的中間狀態；定義操作的約束條件和行為動作。③機器人控制系統。定義機器人平臺的控制體系結構，包括反應式控制、包容結構以及其他控制系統等。④基于神經網絡的模式識別。采用神經網絡方法以及BP算法對桌面茶壺、杯子等物體進行識別，提取物體圖形特征。⑤機器人程序設計語言。運用人工智能語言實現機器人行動規劃行為的可視化。案例教學手段：機器人行動規劃的模擬演示。思考/討論內容：人工智能將會怎樣發展？應該在哪些方面進一步開展研究？
3案例教學環節和過程的具體實施細節
人工智能案例教學的實施面向筆者所在學院軟件工程專業三年級本科生展開。具體實施細節如下。（1）教學內容的先進性、實用性和前沿性。引進和整合國外著名人工智能教材內容，保證課程內容具有先進性。同時將前沿人工智能的研究成果與技術有機地融入課程案例教學之中。（2）案例教學的創新教學模式。在教師的引導下，將案例中涉及的人工智能內容推廣到對人工智能的一般性認識。案例的教學過程，成為認識人工智能、初步運用人工智能的理論與方法分析和解決實際應用問題的過程，使學生具備運用人工智能知識解決實際問題的意識和初步能力。在課程教學中，打破國內常規教學方式，建立和實施開放式案例教學模式。采用動畫課件、錄像教學、實物演示、網絡教學等多種多媒體教學手段，以及集中講授與專題討論相結合的教學方式將理論、方法、技術、算法以及實現有機結合，感性認識與理性認識相結合，理論與實際相結合，極大地激發學生自主和創新性學習的熱情。（3）“課堂教學—實踐活動—現實應用”的有機融合。在案例教學過程中，從傳統教學觀以學會為中心轉化為創新應用型教學觀以創新為中心，以及從傳統教學的以課堂教學為中心轉化為以課堂教學與實踐活動并重為中心，構造具體問題場景以及設計教學案例在情境中的現實應用，加深學生對教學內容的理解，同時提高學生的思考能力和實際綜合應用能力。
4結語
人工智能網絡教學范文2
關鍵詞:人工智能;創新性教學;精品課程;課程建設;教學改革
人工智能課程是計算機類專業的核心課程之一,也是智能科學與技術、自動化和電子信息等專業的重要課程,其知識點具有不可替代的重要作用。該課程內容廣泛,具有很強的綜合性、應用性、創新性和挑戰性[1],其開設能夠更好地培養學生的創新思維和技術創新能力,為學生提供了一種新的思維方法和問題求解手段。同時,本課程能夠培養學生對計算機前沿技術的前瞻性,提高他們的科技素質和學術水平。通過課程的學習,學生對人工智能的定義和發展、基本原理和應用有一定的了解和掌握,啟發了對人工智能的學習興趣,培養創新能力。
中南大學人工智能課程開設于20世紀80年代中期。1983年,蔡自興作為訪問學者赴美國普度大學研修人工智能,并與美國國家工程科學院院士傅京孫(K. S. Fu)教授及清華大學徐光v教授合作研究人工智能。在傅京孫院士教授的指導下,蔡自興和徐光v教授執筆編著《人工智能及其應用》一書,并于1987年5月在清華大學出版社問世,成為國內率先出版的具有自主知識產權的人工智能教材。本教材不僅為我校人工智能課程提供了一部好教材,而且促進了國內高校普遍開設人工智能課程。此后,又陸續編著出版了《人工智能及其應用》第二版、第三版“本科生用書”和“研究生用書”、第四版等,修讀該課程的學生也與日俱增。該書第二版還獲得國家教育部科技進步一等獎。經過近20年建設,該我校人工智能課程于2003年評為國家精品課程,并在2008年評為國家雙語教學示范課程。這是至今國內唯一同時獲得國家級精品課程和雙語教學示范課程的人工智能課程。同時,我們還開發了人工智能網絡課程,具有網絡化、智能化和個性化等特色,被國家教育部評為優秀網絡課程,供兄弟院校人工智能教學參考使用,受到普遍歡迎[2]。
作為國內第一門人工智能精品課程,我們按照教育部精品課程標準建設《人工智能》課程,尤其是在教學內容、創新性教學方法和教學模式上進行不斷進行改革與探索,取得了很好的效果。本文即為我校人工智能精品課程建設與改革經驗的初步總結。
1教學內容優化
1.1課堂教學內容優化
教學內容的確定是課程的首要任務。如何選好教學內容,使學生既能了解本領域的概貌,又能適合學生的基礎,便于他們在有限的時間完成學習任務,是一件難事。教學內容除了包含基礎理論外,還應該反映人工智能領域的新發展和新動態,跟上學科發展的步伐。本課程最初設定的教學內容分基礎部分和擴展應用部分。基礎部分主要包括人工智能的定義和發展、知識的表示以及推理,而擴展應用部分主要包括專家系統、機器學習、機器規劃、機器視覺等。
近年來人工智能科學的快速發展,涌現出了大批新的方法和算法,研究熱點問題也從符號計算發展到智能計算和Agent等。
學內容,既能使學生了解本領域的概貌,又能適合學生的基礎,便于他們在有限的時間完成學習任務,是一件難事。教學內容除了包含基礎理論外,還應該反映人工智能領域的新發展和新動態,跟上學科發展的步伐。本人工智能課程最初設定的教學內容分基礎部分和擴展應用部分?；A部分主要包括人工智能的定義和發展、知識的表示以及推理,而擴展應用部分主要包括專家系統、機器學習、機器規劃、機器視覺等。
近年來人工智能科學的快速發展,涌現出了大批新的方法和算法,研究熱點問題也從符號計算發展到智能計算和Agent等。
隨著科學技術的不斷進步,在科學研究和工程實踐中遇到的問題變得越來越復雜,傳統的計算方法無法在一定時間內獲得精確的解。為了在求解時間和求解精度上取得平衡,很多具有啟發式特征的智能計算算法應運而生。這些算法通過模擬大自然和人類的智慧來實現對問題的優化求解。計算智能作為人工智能的一個新的分支是目前的研究熱點,它主要涉及神經計算、模糊計算、進化計算和人工生命等領域,在如模式識別、圖像處理、自動控制、通信網絡等很多領域都得到了成功應用。另一個近10年來人工智能的研究熱點是Agent和多Agent系統,其理論最早來自分布式人工智能,并隨著并行計算和分布式處理等技術的發展而逐漸成為熱點。
以上兩個內容都是人工智能的重要分支。因此,我們在《人工智能及其應用》第三第3版[3]和第四第4版教材[4]中已經順應形勢加入了這方面的內容,并將教學內容也進行了相應的擴展,加入了計算智能、分布式人工智能與Agent。由于不確定性推理和基于概率的推理方法應用也越來越廣泛,我們也將此類非經典推理方法單獨作為一章來進行教學。另外,還增加了一些新的內容,如本體論和非經典推理、粒群優化和蟻群計算、決策樹學習和增強學習、詞法分析和語料庫語言學,以及路徑規劃和基于Web的專家系統等。圖1給出本課程的教學內容大綱。
人工智能的教學內容涉及面廣且內容較多,要在有限課時內完成教學計劃并讓學生掌握,具有一定難度。因此需要根據教學對象的需求有所取舍。中南大度。因此需要根據教學對象的需求有所取舍。中南大學在智能科學與技術、計算機、自動化三3個專業中均開設了人工智能課程,根據相關專業課程教學對象,對學時和教學內容進行適當調整。對于智能科學與技術專業,人工智能課程為必修課,共48個學時含實驗8個學時。表1表示為相關專業的人工智能課程教學內容分配情況。對于計算機和自動化專業,人工智能課程為選修課,共32個學時含實驗8個學時。許多兄弟院校的計算機專業都把人工智能定為必修課,課程學時也在50學時左右。因此,我們一再強烈建議我校的計算機專業把人工智能列為必修課,并適當增加學時。由于智能科學與技術專業開設有專家系統和智能計算選修課程,因此在人工智能教學內容中只將這兩部分做簡要闡述,而將重點放在知識表示和推理以及擴展應用上。對于計算機專業學生來說,除基本的知識表示和推理外,計算智能和Agent技術也是他們在軟件開發和通訊技術理論學習中需掌握的重要概念。同時,計算智能、專家系統對自動控制和電氣工程也十分重要,對自動化專業則應掌握該方面的內容。
1.2實驗實踐教學創新
國內人工智能課程在開設之初大多沒有安排實驗內容,僅為理論基礎和概念講授。由于理論比較抽象,很難理解,學習效果不理想,學生們對于其應用實現也十分困惑。此后,各高校也逐步在該課程中分配了實驗學時,大多數采用prolog語言和專家系統作為實驗語言和對象[5]。為了改進該課程的教學,我們也從沒有實驗到將實驗學時從零調整為設置4個學時的實驗課時,然后到現在的8個學時的實驗課時。隨著課堂教學內容的改革,實驗內容也進行了優化和更新。
人工智能課程實驗的目的是幫助學生掌握基本理論,發揮主動性,研究探討人工智能算法和系統的運行和實現過程,提出思路并驗證自己探索的思路,從而更好的地掌握知識,培養研究能力和創新能力。因此,在實驗教學內容的設計上,實驗項目應具備研究性和綜合性。實驗項目目標明確,要求學生帶著問題和任務進行實驗,但實驗過程又要有一定的靈活性,學生可以根據自己的思考進行適當的調整。再者,充分采用虛擬實驗方式進行實驗,大大提高了學生的興趣,提供了分析和探討智能算法的很好平臺。同時,學生的實驗數據和實驗結果分析既有格式要求,又給學生報告自己的研究的過程和結果留有空間,并在評分時加以充分考慮。這些做法能夠鼓勵學生,特別是鼓勵優秀學生進行獨立性研究,滿足他們學習的需求。
1) 人工智能課程的實驗環節不足和課時分配問題。
中南大學的人工智能課程的實驗環節經歷了從精品課程建設前沒有到開設,一直到其內容和形式上的不斷改進過程。但目前實驗還主要處于演示性和編程的實驗階段,而非設計和訓練階段。此外,由于人工智能課程涵蓋范圍廣、內容多,而課程所設置的學時有限。,如何分配好課堂教學與實驗課時也是一個需要在今后課程建設中不斷探索的問題。
對于某些專業的人工智能課程,可以考慮單獨開設人工智能實驗課程或人工智能程序設計與實驗課程。
2) 人工智能技術發展迅速情況下如何保持該精品課程持續發展的問題。
人工智能作為一門高度融合的交叉科學,其發展速度迅速,不斷有新理論、新問題涌現出來。我們的
人工智能教學既要注重基礎理論知識,又要緊跟學科發展的步伐,勢必要求對課程內容進行不斷更新,這對我們的教學資源和教師素質都提出了更高的要求。
4結語
本文介紹了中南大學的精品課程――人工智能課程教學內容和創新性教學方法的一些探索,已在課堂教學內容的優化、實驗環節的改進、教學方法的創新的實施上取得了很好的效果,充分激勵了學生的學習積極性和主動性,多方位培養學生發現問題、分析問題和解決問題的能力。我們的想法和做法可供兄弟院校同行參考。不過,仍然存在一些不足之處。隨著智能科學與技術的發展和更為廣泛的應用,人工智能課程的重要地位必將更加突顯,我們也需要繼續努力,與時俱進,不斷完善人工智能精品課程的建設。
注:本文受教育部質量工程國家級精品課程人工智能(2003)、全國雙語教學示范課程人工智能(2007)項目支持。
參考文獻:
[1] 薛瑩. 創新教育新途徑人工智能與機器人教育:哈爾濱市教育研究院張麗華院長訪談錄[J]. 中國信息技術教育,2010(1): 20-22.
[2] 蔡自興,肖曉明,蒙祖強,等. 樹立精品意識搞好人工智能課程建設[J]. 中國大學教學,2004(1):28-29.
[3] 蔡自興,徐光佑. 人工智能及其應用[M]. 3版. 北京:清華大學出版社,2003.
[4] 蔡自興,徐光佑. 人工智能及其應用[M]. 4版. 北京:清華大學出版社,2010.
[5] 韓潔瓊,閆大順. 人工智能實驗教學探討[J]. 計算機教育,2009,(11):135-138.
[6] 劉麗玨,陳白帆,王勇,等. 精益求精建設人工智能精品課程[J]. 計算機教育,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)
人工智能網絡教學范文3
>> 智能小區的寬帶網絡基本概念 關于旅游學科基本概念的共識性問題 談談旅游學科中基本概念的“可靠性”問題 智能社會的智能戰 函數的基本概念 運動概念智能眼鏡 中職樂理教學中的基本概念問題分析 家具包裝的基本概念及其設計問題 智能電視真的智能嗎? 智能城市中智能交通的構建 人工智能與人的智能 “偽智能”的智能家居 智能家庭系統的智能網關設計 論智能交通建設 旅游社會學科建設的基本理論問題研究 民族傳統體育學科建設的基本理論問題 關于經濟學學科建設的三個基本問題 “中國近現代史基本問題研究”學科建設的再思考 學科建設管理的基本職能 智能的，無線的 常見問題解答 當前所在位置：l.
Basic Concept Problems of Academics Construction of “Intelligence”
WEI Shize
(Hebei University of Science and Technology, Shijiazhuang 050021, China)
人工智能網絡教學范文4
關鍵詞:智能科學與技術;實驗體系;實驗平臺;特色;創新
中圖分類號:G642 文獻標識碼:B
1引言
被認為是信息科學技術前沿和核心的“智能科學與技術”,自2004年由北京大學自主設立該本科專業以來,不但得到人們的普遍認同,而且得到了較大的發展,全國至今已有15所大學開辦該本科專業,其中包含教育部直屬高校7所和地方性高校7所,“211”高校就有10所。盡管“智能科學與技術”本科專業在全國已初具規模,但作為本科教育,乃處于起步和探索階段,一級學科和二級學科還沒有完全建立,培養方案的理論體系和實驗體系還有待進一步探索和完善。本文主要結合我校在專業實驗建設過程中的一些實際和體會,就“智能科學與技術”專業實驗平臺建設談一些做法和設想。
2明確實驗平臺建設的目標和思路
專業的實驗平臺建設是為專業的培養目標服務的。我?！爸悄芸茖W與技術”專業的培養目標是:學生要具備堅實的數學、電子技術、計算機和智能信息處理、機器學習和控制、計算機集成、智能理論與技術等較寬領域的工程技術基礎知識和專業基礎知識,能在科研、教育、企事業等部門從事智能理論研究、智能信息處理、智能技術應用等方面的教學、科研和開發應用等工作,成為能掌握智能理論與技術及專業技能的研究與應用的高級工程技術人才。培養要求是:了解信息系統及智能科學與技術領域的學科前沿、最新進展和發展動態;系統地掌握本專業領域寬廣的技術基礎理論知識,以適應智能信息處理與技術應
用等方面需求;掌握信息獲取、處理的基本理論和智能處理的一般方法,具有設計、集成、應用智能系統的基本能力;具有較強的自學能力、文獻檢索、資料查詢動手能力、創新意識和較高的綜合素質等。
實驗課不但是對相關理論知識的深入理解和綜合運用,而且更是對動手動腦能力的綜合培養和鍛煉。因此,實驗平臺建設目標和思路是將基礎實驗、設計性與綜合性實驗與課程設計、畢業設計等相結合,理論課程的實驗教學與智能科學技術相結合,增加學生創新性的實驗與實踐,培養學生扎實的理論基礎和實踐與創新的基本技能。
根據最近中國人工智能學會教育工作委員會制定的“智能科學與技術”作為一級學科,“智能理論與方法”、“知識處理技術”、“智能系統與應用”為一級學科下設的三個二級學科的思路,如圖1。因此,實驗平臺建設的思路應是:(1) 能具備研究和探討自然智能系統的機理和機器智能的模擬方法的實驗系統。它主要包括:腦科學基礎、認知科學理論、智能的模擬理論與方法、面向智能的信息理論、知識理論、邏輯理論、復雜系統的自組織理論、決策理論、問題求解方法、機器學習、群體智能、人工情感、人工意識等。(2)能進行知識處理技術多的實驗設施或軟件系統、智能工具。通過這些設施或軟件,執行由信息到知識和知識到策略的思維性加工技術、智能檢索、以及多媒體信息處理與機器感知、機器學習等。(3)具備智能系統與應用的各種對象,如智能機器人、智能裝置、智能信息網絡等。總之,實驗的設備和環境既可使學生完成某門課程的驗證性實驗、綜合性實驗和設計性實驗,也可完成多門課的交叉性實驗或課程設計。
圖1學科結構圖
作者簡介:陳以(1963-),男,廣西玉林人,研究生,副教授,學院副院長,主要研究方向為智能控制、計算機應用技術。
3實驗平臺建設的主要內容
大學的實驗教學不僅涵蓋了理論課的內容,而且比理論課更為復雜。通過實驗,既能豐富活躍學生的科學思維,又能使學生加深對課堂上學到的理論知識的理解、鞏固和提高,并最終達到培養學生對客觀世界的觀察能力、分析能力和解決能力。為達到這樣一個實驗培養目的,實驗平臺建設的內容應從以下幾方面入手。
3.1實驗體系建設
“智能科學與技術”作為一個新辦的專業,其實驗教學體系尚處于探索和完善階段。基于學校和學院現有的實驗室基礎,特別是學校創新實踐教育特色和我院現有學科的實驗室基礎,我們在“智能科學與技術”專業的實驗教學體系上重點考慮以下幾方面的建設:
(1) 建立層次化的實驗教學體系
層次化的實驗就是讓學生從驗證性的實驗開始,逐步到設計性、綜合性和帶創新性實驗或工程項目開發實踐等的實驗環節,學生最后階段的畢業設計環節屬于綜合性或創新性實踐實驗。實驗層次安排主要體現實驗教學的層次由簡單到復雜、由單一到綜合、由學習到創新的科學過程,形成由“驗證性實驗設計性實驗綜合性實驗課程設計創新實踐”的實驗層次設置方法。
(2) 實驗教學要與生產實際相結合
為增強學生學習的興趣,培養學生的工程素質、動手能力和綜合創新能力,也為提升就業率,我們注重依托CSIP(國家軟件與集成電路公共服務平臺)廣西分中心(該中心設在我校)、學院申報的廣西省級自動化實驗教學示范中心等,促進服務市場應用與交流,采取請進來、走出去等多種途徑實驗教學方法將某些專業課實驗和生產實習相結合。根據實驗教學規劃需要,進行儀器設備購置,使實驗教學滿足社會需求,形成以驗證性實驗為先導,綜合性實驗為鞏固,設計性或工程性項目實踐為提高,以社會需求為導向的實踐教學培養體系。
(3) 實驗教學與科研有機結合
實驗是科研的基礎,實驗可以帶動科研;科研反過來促進教學,并通過成果帶動實踐教學的改革和發展。參與老師的科研,學生不但能了解學科發展的規律和技術前沿,加深對課程內容的理解,提高學生的實踐能力和創新能力,而且能升華學生對實驗的內涵的解讀,增強對實驗學習的興趣,明確做人、做事的道理,為未來走向社會打下堅實的基礎。
(4) 特色建設與創新
特色是一所學校、甚至一個學科或專業賴以生存和發展的基礎。我校是以工為主,電子信息類學科優勢突出、創新實踐教育特色鮮明的多科性大學。學校的前身是1960年成立的桂林機械?？茖W校,1980年,學校更名為桂林電子工業學院,全面開始本科教育。在原學校計算站的基礎上,正式成立計算機系,成為廣西最早開辦計算機專業本科教育的高校,1995年開始進行研究生教育。2006年,桂林電子工業學院更名為桂林電子科技大學,原計算機系經重新組合,更名為計算機與控制學院。計算機與控制學院目前擁有計算機科學與技術、控制科學與工程兩大學科,主要開設有計算機科學與技術、軟件工程、信息安全、網絡工程和自動化等本科專業,以及兩大學科基本有的二級學科碩士點。我校的“智能科學與技術”專業就設在計算機與控制學院,這正是中國人工智能學會當初設立專業的初衷和建設發展的基礎條件。
我校經過近50年的發展,目前已具有2個國家級實驗教學建設示范中心,2個國家級特色專業建設點,1個國家級教學團隊,3個廣西省級實驗教學示范中心或建設中心,1個國家級的大學生創新型實施單位及1個團中央大學生創新實踐基地,以及具備創新型的機器人中心、飛思卡爾智能車中心、電子設計訓練基地等多個省級或校級中心和基地。我院還有1個信息產業部部級重點實驗室,1個ASEA培訓中心,6個與華晟、研華、華為3COM、金蝶等知名企業共建的實驗室或研究中心。對大學生電子設計大賽,我校自1997年派隊參賽以來,每次在廣西區和全國都有出色的表現,2001年還獲得最高獎“索尼杯”;對飛思卡爾智能車比賽,我院代表隊(代表學校)近年還連續獲得華南賽區和全國賽一等獎等。學校還特設有創新學分,學生課外創新活動取得成果可以給予適當的學分來代替選修課學分。
我校的“電子信息類學科優勢突出、創新實踐教育鮮明”的特色在廣西和華南地區具有較大的影響力,甚至在全國也有一定知名度。因此,我們在“智能科學與技術”專業實驗體系建設中,緊緊結合現有的資源和條件,在智能機器人(車)、智能信息處理和智能技術與應用等方向,立足和發揮這一傳統的優勢和特色。在“夯實基礎,獨立實踐,創新提高”的實驗教學理念下,培養基礎扎實、知識面寬、具有創新精神和工程實踐能力的高素質的綜合型人才。
3.2實驗管理平臺建設
實驗管理平臺建設主要是針對實驗老師與學生建立一個集網絡化、開放式于一體的實驗教學與管理體系。
網絡化、開放式的實驗教學體系是實驗教學平臺建設成熟的重要標志。學生通過這樣一個完善和規范的實驗教學與管理體系,可以自主預約想做的實驗,自主選擇實驗內容、實驗時間,并通過網絡與實驗教師的互動與交流。這種全開放的網絡化實驗教學體系,不但能充分調動學生的積極性、主動性,而且還能充分利用有效的資源,提高利用率,如圖2所示。
我校實驗選課系統充分考慮了“以學生為主”的實驗教學模式和開放式教學的特點,學生可以根據各自的學習計劃靈活選擇實驗項目以及開設的時間。實驗教師、實驗管理員可以方便地通過留言與學生交流,學生的問題也可以通過“一對一”的形式即時解決。教師則通過實驗選課系統查閱學生選課情況、登錄學生實驗成績、回答學生提問。通過近年的建設,我院的網絡化的開放式實驗教學體系已初具規模,再鋪之于學校完善的網絡實驗選課系統,從而為學生提供了個性化學習的實驗環境,提高他們獨立自主的實踐與創新能力。
3.3實驗師資隊伍建設
實驗教學隊伍的穩定和提高是實驗教學發展、提高與創新的保證。我校有一系列相關的政策和措施穩定實驗教
師隊伍,鼓勵青年實驗人員在職攻讀學位、外出進修、培訓等,激勵實驗人員在搞好實驗教學的同時,積極參加科研實踐?？傊?穩定和提高現有教師實驗教學技能,積極引進高素質人才,是推動、加強和提高實驗教學質量的需要。
我院目前實驗隊伍(含研究人員)共20人,其中正高職稱人員6名,副高職稱人員9名,中級職稱人員5名,具有博士學位人員5名,取得碩士學位的有16人,擁有一支以中青年為主體,以博士為骨干的較高層次的教學科研隊伍。實驗隊伍具有較優良的素質,年齡、知識及職稱結構比較合理,他們相對穩定、富有活力,是我們具備高質量、高水平實驗教學體系的保證。
4結束語
實驗不僅是理論的基礎和源泉,而且實驗環節作為整個教學體系的主要環節之一,在培養學生的實際動手能力和創新能力中起著無法替代的重要作用。因此,實驗平臺建設除了要幫助學生鞏固和加深理解所學的理論知識,樹立嚴謹科學的研究方法,掌握基本的科學實驗技能外,還要充分調動他們的主觀能動性,進行動手動腦與創新的實踐,形成特色。
本文只是結合我校與我院自身的實際,就已有的專業實驗體系和“智能科學與技術”新專業實驗建設情況進行了探討,還有待實踐中繼續完善與提高。
參考文獻:
[1] 鐘義信.設置“智能科學與技術”博士學位一級學科:必要性、可行性、緊迫性[J].計算機教育,2009(11):5-9.
[2] 王萬森,鐘義信,韓力群,等.我國智能科學技術教育的現狀與思考[J].計算機教育,2009(11):10-14.
人工智能網絡教學范文5
[關鍵詞]網絡環境；大數據；高校圖書館；信息咨詢服務
一、研究背景
伴隨著社會不斷地推進，科技水平的不斷革新，我們順利地從信息網絡時代過渡到了大數據時代，相應的，各個高校內圖書館的信息咨詢類服務模式也發生了變化。因而，文章就將圍繞大數據這一新興網絡環境之下的各高校圖書館有關的信息咨詢服務的變化及管理模式進行分析和探索，以便從圖書館環節將時代不斷的革新特征體現出來。
二、何謂大數據
“大數據”是近年來在網絡環境中新興起的一個詞匯，從相關的資料中對其的定義是：巨量資料又被稱之為大數據，其主要指的是一些較大規模量的資料已經不能夠從現階段的主流性媒體工具軟件之中通過，為了確保所有的資料能夠在合理的時間段內被企業有效地處理、汲取、管理等，就需要進行一定的數據處理這樣一個過程。
三、關于信息咨詢服務如何在大數據中得到體現
相較于傳統海量的數據而言，新網絡環境之下的大數據是有著很大差異性的，其不再是單純的隱含著較大的數量，并且還能夠以四個“V”的形式對其進行更加細致的總結，簡單講就是低價值密度、大體量、快速度以及多元化。如：圖片、網絡日志、地理位置的信息以及視頻等種類繁多的數據類型，使得大數據體現出了較低的價值密度特征。又如：連續不間斷的對數據進行監控會發現，很長的一段數據監測時間內真正有效地，能夠被利用的數據可能只會出現在一兩秒的時間內。較快的處理速度體現在“一秒”定律原則上，而這也正是相較于傳統形式上的挖掘數據技術而言，作為本質上的差別。無論是移動互聯網、物聯網、車聯網以及云計算，還是PC、手機、傳感器以及平板電腦等，均可以說它們是數據承載或者是來源的一種方式，是網絡時代進步的衍生?？梢?，設置在各個高校圖書館之中的信息資訊類服務不能夠還長期停留在原有的基礎上，如：郵件咨詢、電話咨詢或者是面對面咨詢等，我們需要做的是改革和創新，必須在現代化網絡環境的利用下，將新的手段以及新的技術之中所蘊含著的個性化、人性化的信息咨詢服務展現在人們眼前，提供給高校學生更加快捷的信息咨詢服務。
（一）關于咨詢服務從網絡交互性著手
1.網絡咨詢平臺的構建
現階段眾多的高校圖書館已經陸續將網上咨詢服務平臺建立了起來，并開通了服務咨詢窗口。眾所周知，各個高校中網絡咨詢服務的開展是奠定在技術科技的進步、網絡環境的改變以及多媒體技術的革新之上的，因而高校圖書館能夠在網絡咨詢平臺的利用之下將圖書館資源信息的咨詢服務以及檢索服務，提供給學生以及廣大教職工。在大數據時代的引領之下，高校圖書館的信息咨詢，教師不用再是咨詢臺前坐著等待學生們的咨詢，無論是空間、時間，還是地點都不會再對他們起到任何限制作用；原有的一對多、一對一甚至是一對多的咨詢服務模式均已發生改變，取而代之的是多元化的咨詢方式，無論是在線，還是離線均能夠進行咨詢。
正如我們所知，各個高校圖書館建立網絡咨詢服務的最終目的，是為了將更好的咨詢服務提供給學生以及教師，如：眾多文獻咨詢信息系統的構建（BALIS或者CALIS），其能夠對不同層次以及不同學校的學生及教師的咨詢提供服務，可見，各個高校之中所構建起來的圖書館信息資源平臺能夠被充分有效地利用起來。
2.人工智能網上功能的利用
如：我國的一流高校清華大學，一直是新技術的領航人，自大數據網絡環境形成以后，其推出了“清華小圖”這一人工智能管理員，能夠回答眾多讀者的各種問題。當有學生或者教師需要搜尋某本書時，只需要直接說出書名，“清華小圖”便能夠自動在系統記憶中搜尋，并將具體的放置位置告訴讀者；當讀者需要有針對性的尋找一些參考資料時，便可以詢問小圖，小圖能夠根據需要的具體方向，介紹一些有關的書目給讀者；當讀者閱讀了某種的類型的書籍，認為有興趣閱讀其他的相類似的作品時，也可以詢問小圖，小圖也會根據自己的判斷將相類似的書名以及大致內容回答給讀者。
（二）關于個性互動化平臺構建
1.關于短信服務
時代的發展是迅猛的，普及的智能化手機為各個高校圖書館相應的網絡咨詢平臺的構建提供了條件，在短信功能的服務下讀者們能夠接收到來自圖書館的催還書提醒、文獻檢索、移動個人圖書館、新書以及預約圖書等服務，這樣快捷的服務模式，讀者不用再去往圖書館就能夠享受到很多的智能化服務，不但節省了時間，還提高了工作效率。
2.關信服務
飛信服務在各個高校之中已經被普及，無論是班級管理，還是學院管理只需利用飛信就能夠將各種信息快速、準確的傳達?；诖耍鞲咝５膱D書管理也運用到了這一點，在飛信的使用下能夠快捷的進行文件交互過程，從而將移動網絡同互聯網之間無縫通信的服務功能實現。
3.關于微博服務
“微時代”又是大數據信息化背景之下的一個衍生，無論是微博，還是微信都已經在生活中普及，相應的，各個高校陸續建立了自己的微博平臺，在微博平臺取得一定管理效果后，單獨的圖書館微博平臺也被建立了起懟T諂教ㄖ心芄喚行關系用戶之間的信息獲取、分享以及傳播等過程，讀者在wAP或者wEB客戶端口上都能夠看到圖書館的最新動態。
存在于移動咨詢服務之中的微博咨詢服務，能夠將更加快捷的信息類服務提供給用戶，這樣不但能夠將信息內容全面有效地向公眾，還能夠在“私信”功能的幫助下定制個性化的咨詢服務，以便對不同類型的讀者起到信息咨詢供給作用。然而美中不足的是，微博服務依然受到了字數的限制，因而還不能夠將包含有更多文字的個性化服務提供給讀者。此外，還有微信服務，微信服務也是在微博服務成功運營后的衍生。現階段，大多數的高校圖書館均建立了屬于自己的公眾號，圖書管理員在公眾號的運營下能夠將最新的圖書更新以及其他有關于圖書館的消息介紹給讀者，讀者也能夠根據自己想要找的書籍有針對性地在微信輔助功能中尋找。
（三）關于嵌入式信息咨詢的服務內容分析
高校圖書館在大數據網絡背景的烘托下，將更加全面的信息咨詢服務提供給了學生以及教職工，學生不用在實體圖書館的依托下進行資料的查找，僅僅需要在網絡環境的運用下便能夠進行科研進度的了解以及學習狀況的把握等。
1.圍繞著學生的學習進行
為了更加充分的了解到現階段教學工作中的實際需求，就需要深入到實際的課堂教學之中，并定時在學校實際學習進度的調查下展開有必要的信息知識講座，以便學生能夠了解到更多有效的教學資源獲取方式及途徑。如：在對本學院法律專業的學生整體學習狀況了解的過程中，發現他們在日常的圖書館運用中有法律信息資料檢索困y的問題存在，因而本學院就展開了一場圍繞著法律資料檢索的講座；此外財經專業的學生對于財經類的資訊有著較大的需求量，因而我們也展開了與之相對應的財經類資料檢索講座。為了及時有效的將學生日常的學習之中嵌入圖書館信息咨詢的現代化網絡服務，就需要充分的針對不同學院學生實際的學習需求以及教學狀況，將相關的信息咨詢的作用淋漓盡致地發揮出來。
2.在日常教學之中深入
筆者經過多年的工作總結發現，根據學生不同的專業有針對性地在日常教學工作中將現代化的信息咨詢服務鑲嵌進去是非常具備現實意義的。如：針對不同專業的學生以及基本的學習狀況需要開展不同主題的服務類咨詢講座，并需要穿插在日常的課程訓練之中，這樣才有助于學生在自身專業課程基本學習狀況的結合下，有針對性地對求學中所遇到的困難以及需要獲取的信息進行檢索、查找等，以便有效地解決各項信息資料檢索中所存在的問題。又如：本院的圖書館信息咨詢工作，針對英語專業學生的教學狀況，以及最常見的幾類需求量較大的教學問題，有意識地在日常教學的過程中將圖書館相關的信息資源有效的運用在講座內容中，有助于該專業學生能夠在日常的課堂學習中將問題找到并解決，以此來鍛煉和提升他們解決問題的能力。
3.從科研教學中著手
對于目前的網絡環境而言，若想有效地將信息咨詢服務嵌入到科研成果之中，還存在較大的難度，因為大部分的科研工作是需要全身心投入的，沒有過多的時間能夠被浪費，因此對于科研教師來講，他們是極其不愿意有圖書館的人員在科研工作中介入的，而這顯然會對信息咨詢服務的發展起到阻礙作用。因此，筆者會提前對本學院科研項目具體的情況進行了解，以便能夠將有針對性的將初期文獻資源信息提供給科研項目成員，節省他們文獻查找的時間；隨后對課題研究進度進行追蹤，根據不同的進度情況將不同層次的文獻資源信息提供給他們。如果做到以上幾個步驟，就很容易在課題研究中提供幫助，并達到較高層次的信息咨詢服務水平。
人工智能網絡教學范文6
關鍵詞： 自然語言理解； 語義相似度； 全文檢索； 在線答疑系統
中圖分類號：TP399 文獻標志碼：A 文章編號：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
隨著計算機網絡技術的飛速發展，傳統的教學手段已不能滿足當前大信息量的教學內容需求，因此，創造一個在教師指導和引導下學生自主式學習的智能系統平臺很有必要。智能的網絡答疑系統可以利用自然語言處理技術對學生的疑問進行自動匹配處理，它的出現為網絡教學提供了交互的情境，成為支持網絡教學順利進行的重要條件。智能網絡答疑系統是傳統課堂教學的重要補充，并逐漸在學生學習、認知、再學習這樣一個閉環的學習過程中發揮著舉足輕重的作用[1]。
1 設計思想及算法原理
基于計算機自然語言處理技術，充分利用校園網絡資源，通過人機互動等豐富信息表現形式，實現一個智能的、高效的基于自然語言理解的專業課程自動答疑系統。系統設計的關鍵是如何實現快速、高效的智能搜索答案。該過程實際上類似于一個搜索引擎，其核心就是構建一個結構合理、具有完整豐富內容的知識庫，并能夠在自然語言理解的基礎上，快速、準確的完成自動答疑工作?；谧匀徽Z言理解的在線答疑系統中兩個關鍵技術分別是：中文分詞技術和相似度計算。
1.1 中文分詞技術
自然語言理解（Natural Language Understanding，簡稱NLU）研究如何讓計算機理解和運用人類的自然語言，使得計算機懂得自然語言的含義，并對人給計算機提出的問題，通過人機對話（man-machine dialogue）的方式，用自然語言進行回答。為了使計算機系統能夠較好地理解用戶提出的問題，首先需要對問題進行處理，這一過程最先用到的最為關鍵的技術就是分詞技術【2，3】。由于中英文之間的語言組織、詞法結構不同，使得中文分詞一直以來成為制約中文自然語言處理的主要因素。而中文文本中，只是字、句和段之間可以通過明顯的分界符來簡單劃界，詞與詞之間沒有天然的分隔符，中文詞匯大多是由兩個或兩個以上的漢字組成，并且語句是連續書寫的。這就要求在對中文文本進行自動分析之前，先將整句切割成小的詞匯單元，即中文分詞（或中文切詞），相比英文語句處理，中文分詞難度更大。
從算法處理上看，目前主要有三種【4-6】：一是基于詞典的分詞方法，它使用機器詞典作為分詞依據，分詞效率高，目前應用范圍較廣；二是基于統計的分詞方法，它是利用統計方法，通過對大規模文本的統計，讓計算機自動判斷的方法，該方法使系統資源開銷較大；三是基于人工智能的分詞方法，如專家系統和神經網絡分詞方法等，這類方法目前尚處于實驗室階段，尚未投入實際應用。
1.2 相似度處理技術
相似度計算在自然語言處理、智能檢索、文本聚類、文本分類、自動應答、詞義排歧和機器翻譯等領域都有廣泛的應用[7]。其計算方法按照基于規則和統計分為兩種情況：一是根據某種世界知識（如Ontology）來計算，主要是基于按照概念間結構層次關系組織的語義詞典的方法，根據在這類語言學資源中概念之間的上下位關系和同位關系來計算詞語的相似度[8]；二是利用大規模的語料庫進行統計，這種基于統計的方法主要將上下文信息的概率分布作為詞匯語義相似度的參照依據[9]。
⑴ 常用語義詞典
對于基于語義詞典的相似度計算方法，由于存在計算簡單、基礎條件低、假設條件易于滿足等優點，受到越來越多研究者的歡迎。常用語義詞典主要有[10-12]：WordNet、FrameNet、MindNet、知網（HowNet）、同義詞詞林、中文概念詞典（CCD），以及敘詞表、領域概念網、概念圖等概念網絡結構。本文對于相似度的計算主要是基于知網（HowNet）結構。其概念結構如圖1所示。
⑵ 相似度計算
與概念相似度密切相關的一個概念是語義距離（semantic distance）。在一棵樹形圖中，任何兩個節點之間有且只有一條路徑，在計算語義相似度的時候，這條路徑的長度就可以作為這兩個概念的語義距離的一種度量，通常認為它們是概念關系特征的不同表現形式，兩者之間可以建立一種簡單概念詞相似度用來描述概念樹中兩個節點之間的語義接近程度，一般最常用的是劉群提出的以《知網》為基礎的相似度計算方法[13]：
式⑴中，p1和p2表示兩個概念節點，dis（p1，p2）是樹狀結構中兩節點間的最短距離，α是一個調節參數，表示相似度為0.5時的路徑長度。
文獻[14，15]綜合考慮深度與密度因素，提出了多因素義原相似度計算方法：
式⑵中，h為義原樹深度，l為LCN層次，LCN為最小公共父節點。
文獻[16]認為該方法存在兩點不足：一是該式僅把相似度取為密度、深度因素的算術平均值，顯然對于概念節點分布不均的情況不夠合理；二是該式沒有對密度、深度兩者的影響程度進行分析，這樣對他的使用范圍受到了限制?；诖丝紤]，提出了改進的語義相似度計算方法：
式⑶中，l（p1，p2）為分別遍歷概念網中節點p1，p2到達其最小公共父結點所歷經的父結點（包括最小公共父結點）數的最大值。w（p1，p2）為p1，p2所在層概念數的最大值。算法關鍵部分引進了一個調節參數λ（p1，p2），并保證在該參數的作用下，當節點p1，p2所在層概念數較多，即w（p1，p2）增大時，密度因素對相似度的貢獻值大；而當p1，p2離最小公共父結點較遠，即l（p1，p2）增大時，深度因素對相似度的貢獻值較大。同時算法約定，當p1，p2的父結點和最小公共父結點相同，且同層只有p1，p2兩個節點時，調節參數為0.5。該方法即為本文在相似度計算方面采用的算法模型。
2 模型設計
下面我們參考文獻[17]，按照一般教師對于問題的處理方式，在上述概念語義相似度計算的基礎上，從計算機建模層面上給出計算機自動答疑模型的建模過程。
Step1：計算條件
已知標準問題庫A可以表示為關鍵詞序列：A=（a1，a2，…，an）；學生提問B可以表示為關鍵詞序列：B=（b1，b2，…，bn）。
Step2：相似度計算
⑴ 知識點關鍵詞信息提取
該問題的處理主要通過提取學生問題中每一個關鍵詞，對照系統知識庫，從底層開始遍歷搜索，當找到對應的概念節點時，提取該節點的高度、密度等屬性信息，并保存起來，搜索完成后即可參加相似度的計算。
⑵ 概念相似度求解
概念相似度的計算采用語義相似度技術，設標準問題庫A可以表示為知識點的一個向量組A=（a1，a2，…，an），循環遍歷每一個學生輸入的問題關鍵詞序列，通過概念語義相似度算法可得到任意兩概念之間的相似度Sim（ai，bj），其中i=1，2，…，m，j=1，2，…，n。
Step3：匹配結果輸出
前面已經完成了輸入問題和標準問題庫之間的循環相似度匹配計算，為了將需要的信息提取出來，模型還需要設置一個閥值δ。通過閥值δ這個關卡，將相似度結果大于δ的問題提取出來，并按照降序排列輸出即可。論文答疑系統模型建模流程如圖2所示。
3 系統實現與驗證
系統設計環境為Visual Studio 2005，數據庫服務器為SQL Server 2000。采用B/S網絡模型進行構架設計，按照系統功能需求劃分為用戶表示層、應用邏輯層和數據訪問層三個層面。系統測試界面如圖3所示。
如圖3所示，在答疑系統界面中輸入問句：“計算機包含哪些硬件？”，系統自動分詞后生成的關鍵詞語匯單元為：“計算機；硬件”（其中“包含；哪些”等作為停用詞已經被過濾掉了），然后系統自動在數據庫中檢索匹配，最終反饋了12條相關結果，圖3為部分結果截圖。這里說明一點，反饋結果的多少取決于閥值δ，測試中我們選取的閥值δ為0.8，一般我們取閥值δ在0.8左右即可。
為了進一步驗證系統的查詢能力，我們將剛才的問句調整為：“計算機包含？”，這時系統自動分詞后生成的匯單元只有一個關鍵詞“計算機”，最終匹配結果如圖4所示。
這里讀者或許會發現，系統反饋回來的結果與問題毫不相關。其實，這并不是系統出錯，而是“知網”概念網絡中“計算機”與“硬件、軟件”兩個概念關系比較密切，表現為在概念網絡中的節點位置較為接近，匹配結果相似度值較高，因此才有了上述的結果。也就是說，也許在某些時候當查詢某個概念時，相近的結果就會被檢索出來（或者當不確定查找的問題時，只需輸入相近的問題，也會查詢到想要的答案），這就是基于自然語言理解的語義相似度計算模型優勢所在。
4 結束語
由于漢語詞匯表達的復雜性和詞匯語義概念較強的主觀性，以及具體應用領域的專業性等因素影響，目前基于自然語言理解的相似度計算仍是計算機語言處理技術需深入研究的內容。本文在“知網”知識表示的基礎上，充分考慮“知網”深度和密度因素影響，基于全文檢索匹配技術，設計并實現了一個限定領域內的在線答疑系統，大量的運行結果證明了該系統是可靠的，達到了系統設計的目的。但在準確性方面還存在不足，從第一個測試中可以看出，提問人員真正需要的是：“計算機的硬件組成”。其重點關注的是計算機、硬件，而答案給出了太多的“計算機特點，計算機發展”等其他一些與“計算機”有關的匹配答案，其原因是關鍵詞權重的影響因素沒有體現出來，離真正的自然語言理解還存在一定的距離，這是系統下一步有待改進的地方。
參考文獻：
[1] 馮志偉.自然語言問答系統的發展與現狀[J].外國語，2012.35（6）：28-30
[2] 黃，符紹宏.自動分詞技術及其在信息檢索中的應用研究[J].現代圖書情報技術，2001.3：26-29
[3] 沈斌.基于分詞的中文文本相似度計算研究[D].天津財經大學，2006：12-17
[4] 張波.網絡答疑系統的設計與實現[D].吉林大學，2006：30-31
[5] 張麗輝.計算機領域中文自動問答系統的研究[D].天津大學，2006：14-18
[6] 朱.中文自動分詞系統的研究[D].華中師范大學，2004：12-13
[7] 周舫.漢語句子相似度計算方法及其應用的研究[D].河南大學，2005：24-25
[8] 于江生，俞士汶.中文概念詞典的結構[J].中文信息學報，2002.16（4）：13-21
[9] 胡俊峰，俞士汶.唐宋詩中詞匯語義相似度的統計分析及應用[J].中文信息學報，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] 黃康，袁春風.基于領域概念網絡的自動批改技術[J].計算機應用研究，2004.11：260-262
[13] 劉群，李素建.基于“知網”的詞匯語義相似度計算[C].第三屆漢語詞匯語義學研討會論文集，2002：59-76
[14] AGIRREE， RIGAU G. A Proposal for Word Sense Disambigua-tion Using Conceptual Distance[EB/OL]，1995：112-118
[15] 蔣溢，丁優，熊安萍等.一種基于知網的詞匯語義相似度改進計算方法[J].重慶郵電大學（自然科學版），2009.21（4）：533-537
