基于知识图谱的程序设计课程智能教学系统开发

1. 项目背景与核心目标

程序设计课程作为计算机专业的核心基础课，知识点之间存在复杂的逻辑关联。传统教学模式下，学生往往难以建立完整的知识体系框架，容易陷入"只见树木不见森林"的学习困境。我在大三担任课程助教期间，经常遇到学生提出这样的问题："老师，递归和迭代到底有什么区别？为什么这里要用指针？"这些问题的背后，反映的正是知识点关联理解的缺失。

基于这个痛点，我们团队决定开发一个基于知识图谱的关键知识链系统。不同于普通的在线文档检索，这个系统的核心价值在于：

1. 结构化呈现知识点间的逻辑关系（如前置依赖、相似对比、应用场景）
2. 支持语义级智能问答（而不仅是关键词匹配）
3. 动态生成个性化学习路径（根据学生掌握程度推荐关联知识点）

实际开发中发现，单纯的关键词检索准确率不足40%，而引入知识图谱后，语义理解的准确率提升至78%以上

2. 技术架构设计解析

2.1 整体技术栈选型

经过对三个主流技术方案的对比测试（如下表），我们最终选择了轻量级组合方案：

选择理由：

• 教学场景对并发要求不高（预计日均访问<1000次）
• Python生态的NLP工具链更丰富（使用spaCy比Java的OpenNLP效率高30%）
• 团队成员已有Python基础，降低学习成本

2.2 知识图谱构建流程

2.2.1 数据来源处理

我们收集了三种核心教学资源：

1. 官方教材（PDF/Word格式）
2. 教师讲义（Markdown格式）
3. 历年考题（结构化JSON）

使用PyPDF2和python-docx库进行文本提取时，发现教材中的代码示