[论文解读] EDUKG: a Heterogeneous Sustainable K-12 Educational Knowledge Graph

Bowen Zhao, Jiuding Sun+10 more|arXiv (Cornell University)|Oct 21, 2022

Advanced Graph Neural Networks被引用 4

一句话总结

EDUKG 是一个大规模、异构且可持续的中国中小学教育知识图谱，基于包含635个类别和1,759个属性的细粒度跨学科本体构建而成。它支持从教科书中进行交互式知识提取，并通过通用实体链接系统实现动态、可扩展的维护，最终形成一个包含2.52亿个实体和38.6亿条三元组的知识图谱，公开供研究和教育应用使用。

ABSTRACT

Web and artificial intelligence technologies, especially semantic web and knowledge graph (KG), have recently raised significant attention in educational scenarios. Nevertheless, subject-specific KGs for K-12 education still lack sufficiency and sustainability from knowledge and data perspectives. To tackle these issues, we propose EDUKG, a heterogeneous sustainable K-12 Educational Knowledge Graph. We first design an interdisciplinary and fine-grained ontology for uniformly modeling knowledge and resource in K-12 education, where we define 635 classes, 445 object properties, and 1314 datatype properties in total. Guided by this ontology, we propose a flexible methodology for interactively extracting factual knowledge from textbooks. Furthermore, we establish a general mechanism based on our proposed generalized entity linking system for EDUKG's sustainable maintenance, which can dynamically index numerous heterogeneous resources and data with knowledge topics in EDUKG. We further evaluate EDUKG to illustrate its sufficiency, richness, and variability. We publish EDUKG with more than 252 million entities and 3.86 billion triplets. Our code and data repository is now available at https://github.com/THU-KEG/EDUKG.

研究动机与目标

• 为解决中小学教育知识与资源在跨学科、细粒度和可持续性建模方面的不足。
• 克服现有教育知识图谱仅聚焦粗粒度学科知识或高等教育内容的局限性。
• 通过整合异构的在线数据源，实现教育知识的动态、增量维护。
• 支持智能辅导、问答系统和学习管理系统等多种下游应用。
• 通过向资源匮乏的学习者开放全面、高质量的学习资源，促进教育公平。

提出的方法

• 设计一个细粒度、跨学科的本体，包含635个类别、445个对象属性和1,314个数据类型属性，以统一建模中小学教育中的知识、资源和异构数据。
• 开发一种半自动化的交互式方法，利用定义好的本体从中小学教科书中提取事实性知识。
• 构建一个通用的实体链接系统，以动态索引并链接新的异构在线教育资源到EDUKG中的实体。
• 实现一个可扩展的数据管道，将教科书和在线来源的知识提取并整合到基于RDF的统一知识图谱中。
• 部署一个公共平台（open.edukg.cn），提供知识搜索、实体链接和问答的API，以支持研究和应用开发。
• 在CC BY-NC-SA 4.0许可下开源EDUKG的代码库、数据和工具包，以确保长期可持续性并促进社区贡献。

实验结果

研究问题

• RQ1 如何设计一个异构且可持续的中小学教育知识图谱，以支持知识与教育资料的跨学科和细粒度建模？
• RQ2 何种方法能够实现高效且交互式的教科书事实性知识提取，同时保持与统一本体的一致性？
• RQ3 如何构建一个通用的实体链接系统，以支持将多样化、动态演化的在线教育数据动态索引并集成到现有知识图谱中？
• RQ4 EDUKG在数据充分性、内容丰富度和学科多样性方面，相较于现有教育知识图谱的优越程度如何？
• RQ5 如何在最小化人工干预的前提下，实现大规模教育知识图谱的可持续维护与长期扩展？

主要发现

• EDUKG 包含超过 2.52 亿个实体和 38.6 亿条三元组，是迄今为止已知的最大规模跨学科中小学教育知识图谱。
• 本体定义了 635 个类别和 1,759 个属性（445 个对象属性 + 1,314 个数据类型属性），支持教育内容的细粒度与跨学科建模。
• 交互式教科书知识提取方法成功以高精度捕获事实性知识，支持可扩展的知识获取。
• 通用实体链接系统实现了对异构在线资源的动态索引，确保了知识图谱的长期可持续性与可扩展性。
• 公共平台 open.edukg.cn 提供开放的 API，支持知识搜索、实体链接和问答功能，显著提升了研究人员和开发者的可访问性与可用性。
• EDUKG 以宽松的开源许可（CC BY-NC-SA 4.0）发布，完整代码与数据已公开在 GitHub 上，支持可复现性与社区驱动的扩展。