地域文化的概念及特点范例(3篇)

地域文化的概念及特点范文篇1

关键词：网络教育；智能搜索；个性化；概念网；智能兴趣

中图分类号：TP18文献标志码：A

Personalizedintelligentagentsearchengine

orientedtonetworkeducation

WULihua1,2

,LUOYunfeng1,FENGJianping2

(1.InstituteofSystemEng.,HuazhongUniv.ofSci.&Tech.,Wuhan430074,China；

2.Dept.ofComputerSci.&Edu.Tech.,HainanNormalUniv.,Haikou571158,China）

Abstract：Tostudytheintelligentizationofsearchtoolsfornetworkeducationresourcesandprovidepersonalizedinformationserviceofintelligentagentsystemforstudents,thedesignandimplementationofapersonalizedintelligentagentsearchengineisproposedbasedontheconceptnetworkandintelligentsearchagenttechnologyunderthebackgroundofcurrentnetworkeducationresourceenvironment.Comparedwiththetraditionalsearchengine,theengineimplementskeywordsearchinginconceptandhasbettersearchprecisionandefficiency.

Keywords：networkeducation;intelligentsearchagent;personalization;conceptnetwork;intelligentinterestingagent

0引言

随着Internet信息资源以指数递增，现有的搜索引擎已越来越难以满足人们高质量地获取网络信息的需求，特别是网络教育环境下的用户，其学习行为及兴趣基本上在本学科领域之内，常用的传统搜索引擎不能更准确、及时、权威地检索出他们所需求的信息.现有搜索引擎的局限性表现在：(1)基于简单的关键词或查询条件匹配，往往输出大量的文档，而真正与用户信息需求相关的文本却很少；(2)对查询结果的排序算法主要依据关键词的词频、位置、邻近度以及更新日期等指标，这种基于关键词的需求模型不能全面反映用户的兴趣趋向.

［1］面向网络教育信息资源环境下的用户，提出构建个性化智能搜索引擎的一些新观点和新方法，如学科领域语义网络、兴趣过滤模板和个性化智能兴趣等.设计个性化智能搜索引擎，屏蔽与用户需求不相关的信息，并帮助用户根据个人兴趣类型和学科专业信息需求，自动在Internet上查找所需的信息，提供真正意义上“所得即所需”的个性化网络信息服务.

1智能搜索

近年来，出现许多满足用户个性化信息需求的技术，如垂直搜索引擎、主题网站、数据推送技术、过程跟踪技术、智能搜索和协同过滤等.其中，智能搜索技术［2］克服传统搜索引擎的缺陷，通过网络信息挖掘技术提取用户的兴趣，然后根据用户的兴趣过滤搜索引擎所返回的结果，使得搜索结果可以极大地满足用户的个性化需求.目前它已经成为Web网络信息检索的核心技术.与传统的搜索引擎相比，其特色主要表现在：（1）信息收集和处理智能化.采取有效搜索策略，按一定语法规则智能地、有选择地自动收集网络信息，运用推理机制和学习机制，对收集来的网络信息智能处理和理解.（2）信息检索智能化.采用自然语言检索入口，允许用户自由表达查询请求.（3）信息检索个性化［3］.利用数据挖掘技术对用户访问的历史信息进行兴趣规则抽取，以此预测用户将来的行为，并根据用户的评价和反馈调整自己的行为.

2个性化智能搜索引擎设计

2.1设计思想

系统主要从“信息检索模块”和“个性化智能兴趣”这两个方面进行智能化研究.主要设计思想为:在全文检索的基础上，运用“概念语义网”构建“学科领域语义网络”，实现概念的扩展检索，以提高系统的查全率；再通过“网页过滤器”和“个性化智能兴趣”，建构学生的个人兴趣模型，过滤出学生所需要的信息资源，以提高系统的查准率.

2.2系统结构系统主要分为5个组成部分(见图1)：信息检索模块，搜索Robot，网页过滤器，兴趣索引数据库和个性化智能兴趣.

（1）信息检索模块进行查询子句的分词处理后提取关键词，采用“概念树”结构，实现关键词在概念方面的检索，将目前基于“词”的检索提高到“概念”层次；

（2）搜索Robot按照一定的策略在Internet网络教育资源中抓取网页，并将网页交给网页过滤器；

（3）网页过滤器根据用户提交的“领域词”（兴趣主题关键词）建立网页过滤模板template，每日多次调用Robot获取过滤信息源进行过滤，找出用户感兴趣的网页，并将网页交给兴趣索引数据库进行存储；

（4）兴趣索引数据库采用全文检索技术，对搜索来的网页内容进行基于“词”的索引，再对应概念语义网中所出现的“领域词”，用“词频法”计算领域词在网页中出现的频率，以表示该领域词与网页的相关度，最后按照词频大小进行排序，并形成倒排文档，存储在兴趣索引数据库中；

（5）个性化智能兴趣通过对学生检索结果的个性化信息提取，建构学生的个性化兴趣模型，并对模型进行维护和更新，实现为学生提供个性化服务的目标.

3模块设计及实现

3.1信息检索模块

信息检索模块基于概念语义网络实现.“语义网络”是知识的一种图解表示，“概念语义网络”由节点（概念）和弧线或链线（节点之间的关系）组成.其中，概念（Concept）通过字、词和词组等描述元素表达.概念语义网络［4］的构建需要具有一定规模的知识作为基础，而且知识表达要准确、清晰，整体结构层次要完整并具有较高的稳定性，在较长时间内不能发生变化.在网络教育环境中，用户学科领域知识的分类相对稳定且准确，使用领域知识表示用户的某种学习兴趣偏好完全可行，见图2.

这里，系统通过构建“学科领域语义网络”提取用户兴趣特征，然后建立用户的兴趣模板template过滤网页信息，完成对用户学习兴趣的定制.为了能尽快接近用户的实际兴趣，在系统注册时也可以通过分类列表让用户自愿选择感兴趣的学科领域或研究方向，记录在用户Profile文件中.

3.1.1学科领域语义网络的构建

构建“学科领域语义网络”的具体方法如下：

（1）用“概念树”的方法建立概念之间的上下层关系.上层概念是其所有下层概念共同属性的归类，下层概念则是从不同角度对其上层概念的细化.最上层Ω是虚拟层，使整个概念树形成一个整体.用户对概念节点的访问频率体现出用户对该概念内容的兴趣.

这里，每个概念节点都可以按学科分类代码(1992年国家颁布的《中华人民共和国学科分类与代码国家标准》)为基础进行概念编码标志，并且每个概念都带有一个集合，由该概念的同义但不同描述元素组成，比如：Φ(计算机软件)={软件，程序，software}.集合可以根据同义词词典或实际需要进行添加、删除、修改等操作，这样处理还可以忽略概念的语种差异，对文档中存在的中英文互用进行识别，将这些信息存入概念库（ConceptBase）中.概念标志可表示如下:

Code［Concept］{Discriptor1,Discriptor2，…，Discriptorn}

（2）每个概念可与其他概念建立相应的关系.该关系不同于分类中上下层关系的横向关系，可采用不同的弧线来表达概念之间的不同关系.3.1.2概念扩展检索

在系统“分词词典”中提供一个主词典、同义词词典及蕴涵词词典.学生输入查询请求后，由“分词词典”进行分词后提取领域词，并根据概念语义网赋以相应的概念编码标注，检索模块对概念进行扩展.具体而言，它实现概念层次上的同义扩展检索、概念拓展检索和相关联想功能.

3.2网页过滤器

网页过滤器是整个系统的重要组成部分.针对某一网页具体过滤过程如下：根据用户学科领域语义网络中的“领域词”建立网页过滤模板（用户兴趣模板），过滤模板template向量表示为

添加到兴趣索引数据库中.这里，过滤阈值θ的确定十分困难，理论上尚没有很好的解决方法.阈值设定过高或过低，都会影响系统查全率或检准率；而用户的兴趣不同，过滤阈值也会有所不同.这里阈值的设定可以参照相应的用户兴趣示例网页集确定.［5］

3.3个性化智能兴趣

由于系统面向的是网络教育环境中的学生，而这些学生的学习行为基本上在本学科之内，其兴趣范围较Internet上的普通用户要稳定，因此可以在语义网络上形象地构建学生个人兴趣网络.在概念语义网络的基础上，系统通过学生对检索结果的反馈信息，逐渐建立起各概念节点的横向联系，采用对学生的学科子树上的各节点及节点之间的关系进行等级计算，得到学生兴趣点的概念和关联等级排序.即系统不仅可以得到学生感兴趣的关键词，还能得到学生所感兴趣的一组相互有关联的兴趣词，以此确定学生的兴趣趋向.智能兴趣运行在系统的查询接口模块中，学生提出查询请求后，信息检索模块通过检索对概念进行扩展，然后智能兴趣再根据学生的个人兴趣模型提取学生感兴趣的信息，并将检索结果呈现给学生.

4系统特点

本系统的主要特点如下：（1）自动过滤用户不相关文档，以提高检索精度和效率；（2）将目前基于词的检索提高到概念层次，实现关键词在概念方面的检索；（3）在全文检索的基础上，运用概念语义网络实现概念层次上的同义扩展检索、概念拓展检索和相关联想，提高系统的查全率；（4）通过个性化智能兴趣建立学生的个人兴趣模型，过滤出学生所需信息资源，提高系统的查准率，并能快速自适应用户兴趣的变化和环境的变化.5

结束语

将智能搜索技术应用于网络教育信息检索的个性化服务，是一个极具挑战性的研究方向，其研究内容属于目前智能信息检索领域的重要课题，具有很强的理论意义和现实意义.但由于认知领域的复杂性和个体学习的差异性，学习过程中有很多因素影响个性化网络教育信息检索的实现，系统中还面临着许多有待今后研究解决的问题.如过滤阈值θ的合理确定、过滤的速度和精度等.虽然该智能搜索引擎能通过概念网对查询领域词进行概念扩展，但也只是在查询语句分词、提取领域词的基础上进行扩展，始终不能完全理解学生的查询请求，尤其不能理解学生查询语句的语法结构，应该在句法的理解上进行进一步的研究.

［6，7］

参考文献：

［1］饶增阳.网络环境下的个性化信息服务［J］.情报探索,2004(3):3-4.

［2］李伟超,牛改芳.智能技术分析及应用［J］.情报杂志,2003(6):29-33.

［3］汪晓岩,胡庆生,李斌,等.面向Internet的个性化智能信息检索［J］.计算机研究与发展,1999(9):1040-1046.

［4］黄曾阳.HNC(概念层次网络)理论［M］北京:清华大学出版社,1998.

［5］张春元,康耀红,王曙光,等.中文搜索引擎的缺陷与改进［J］.海南大学学报,2004,22(1):42-46.

［6］赵立江.个性化学习系统的聚类技术［J］.计算机辅助工程,2006,15(3):59-61.

地域文化的概念及特点范文

2.转引自卢卫中2003人体隐喻化的认知特点，《外语学刊》第6期摘要：人类遵循“近取诸身，远取诸物”的原则，用他们最熟悉的概念表达抽象的概念。文章先界定人体词的概念，然后阐述英汉人体隐喻化认知对比的理论基础，最后解释英汉人体隐喻化认知的过程及英汉人体隐喻化认知的投射模式。

关键词：人体词；隐喻化；认知；对比；研究

【中图分类号】G640

1.人体词

“所谓人体词，就是与人的身体器官和肢体有关的词语，它属于词汇中的一部分。”①人们最熟悉的是自己的身体，因此与身体器官和肢体相关的词也是人们日常生活最常用的词汇。人体词的特点如“词形简单、词形较少的不可分析的本族语词、中性词，组成上有更大的任意性，使用频率高；二是事物最早获得的名称，有较大的任意性；而且数量有限，形式固定，具有很强的构词能力；三是易于发展、形成隐喻和转喻意义”②汉语中的人体词如眼，嘴，口，面，手，头，鼻等表示五官的人体词，还有如胆，心，这样表器官的人体词。英语中也有相对应的人体词如“eye,mouth,face,hand,nose,”这样表五官的人体词汇，还有“liver,heart”这样表器官的人体词汇。

2.英汉人体隐喻化认知对比的理论基础

2.1隐喻认知的普遍性

隐喻不仅是一种语言现象，更重要的是，隐喻还是一种认知方式。人类为了认知抽象的事物，运用自己熟悉的概念，理解相对抽象的概念。原始时期，正是人类思维发展的初期，根据“思维贫困假说”，这一时期的人类用隐喻表达抽象

.束定芳2000论隐喻产生的认知、心理和语言原因，《外语学刊》第2期概念，“当时的语言中也很少有表达抽象概念的词汇。他对世界的描述不可避免的要借用描写人本身或人类活动的有关词语，因此，原始人一种典型的思维特征是‘身体化活动’或‘体认’”③即人类用自己的身体活动观察周围的世界，用自己熟悉的事物定义抽象的事物。“头”“腰”和“脚”是人身体的一部分，是三个不同的位置，人类便用山头，山腰，山脚来表示山的不同位置。英语中也有“theheadofmountain,thewaistofmountain,thefootofmountain”的表达，因此“在语

.陈家旭2007《英汉隐喻认知对比研究》，上海：学林出版社第73页

5.陈家旭2007《英汉隐喻认知对比研究》，上海：学林出版社第92页言中，人一方面把自已变成世界，以人的躯体器官感觉为万物命名。同样也可以说天地万物变成了人的躯体器官感觉与的隐喻符号”④因为隐喻是我们认知世界的工具，隐喻在人类生活中是普遍存在的。

2.2隐喻概念的系统性

概念隐喻的本质是用一种事情或经验理解和经历另一种事情或经验。其主要特点是概括性和生成性。概括性即概念隐喻包含了多个隐喻表达，这些隐喻表达处于一个系统中。“爱是旅行”（LOVEISJOURNEY）这一概念隐喻中，JOURY的属性有：同伴，共同的目的地，交通工具。LOVE的属性有：恋人，共同的人生目标，恋爱关系。携手共进表示两个人相爱有共同的目标，这个目标就像旅行的目标一样。如果两个人分手，我们可以用分道扬镳。分道扬镳指两个人没有了共同的目的地。

2.3隐喻概念系统的共性

每个民族因为地理环境，生活习惯等的不同会有不同的文化背景，但是人类的大脑结构是一样的，因此不同文化背景的民族会有一些共识文化，这些共识文化中的语言自然也就有相同之处。ARGUMENTISWAR是一个概念隐喻，在汉语中同样也有“辩论是战争”的隐喻。

3.英汉人体隐喻化认知过程

“近取诸身，远取诸物”反映了人类从简单到复杂的认知规律，也反映了人类以自身为标尺认识世界的思维特点。人类最先认识的是自己的身体，因此人体及其器官是人类认知的基础。汉语中有箭头，山头，瓶颈，洞口，手心，掌心，泉眼，针眼，桌面，鞋面等等的词汇。英语中有“eyeofneedle,theneckofbottle,thelegofdesk,themouthofcup”等等。“人类隐喻化的认知过程是人类把对自己的身体各部位（头、眼、耳、鼻、口、肩、臂、手、腰、腿和脚等）的认知形成的概念域作为始源域（sourcedomain），投射到不熟悉的、抽象的目标域（targetdomain），以此来认知其他世界的过程。”⑤

6.卢卫中2003人体隐喻化的认知特点，《外语学刊》第6期4.英汉人体隐喻化认知的投射模式

4.1英汉人体概念域到非人体概念域的投射

4.1.1人体域映射于具体的非人体域

人们最熟悉的是自己的身体，因此，人们也常常将身体域作为始源域，将抽象的非人体域作为目标域。人类看到两个域之间的相似性后，在意象图示的作用下，产生了从人体域向非人体域的投射。非人体域分为具体的人体域和抽象的人体域，因为人类最先认识到简单的事物。从位置上看，“头”是人体器官中居顶端的，因此，人们根据位置的相似性，将“头”表示顶端的这一特征映射到具体的非人体域，如：山头，箭头，船头，车头，火柴头,床头等，英语中也有相似的表达如：“headofanarrow,headofanmountain,headofbed,headofpage,”。用人体概念域的名称指称具体事物的相似部位的情况如：树冠，树身，树皮，果皮，果肉，页眉，页脚，书皮，书背等。英语中有“mouthofriver,mouthofvolcano,lipofplate,footofstaires,footofpage.”

4.1.2人体域映射到抽象的非人体域

人体域主要投射于称呼、语言、等抽象概念域。人体域向抽象域映射属于转喻。“转喻是相接近或相关联的不同认知域中一个突显（salient）事物对另一事物的替代，如部分与整体，容器与其功能或内容之间的替代关系”⑥称呼语包括一般称呼语如“首脑”“首领”“元首”“首犯”“祸首”“头头”“耳目”“国脚”“心腹”，绰号有“大头”“铁嘴”“软骨头”“长舌妇”“黄脸婆”“独眼龙”等。英语中由人体词转义得到的一般称呼语有“headofstategovernmentdepartmentadelegationacommittee,headboy,headgirl,bighead,stiffneck,bigmouth”等。人体词和称呼语之间是部分与整体的关系，如“首脑”和“耳目”中，“首脑”是身体中非常重要的一部分，用“首脑”这两个身体器官指代非常重要的人。用“耳目”这两个身体器官具有的功能指代具有这部分特征的一类人。人体词也被投射到与语言相关的概念域中，如“口吃”“口舌”“海口”，英语中有“mothertongue，Englishtongue”，

4.2英汉人体概念域系统内部两个概念域之间的投射

英汉人体概念域系统内部两个概念域之间的投射主要是两个词都是人体词，其中一个人体词是始源域，另一个词是目标域，如“腿肚子”，在“腿肚子”中“腿”是目标域，“肚子”是始源域，“肚子”在身体中所处的位置是中央位置，因此取“肚子”这一位置特点投射于“腿”。还有类似的词语如“心头”“脚心”“手心”“掌心”“眉心”“心口”“手背”等。英语中的类似投射如：“ridgeofnose,hairinarmpits,eyetooth.”

参考文献

[1]卢卫中，2003,人体隐喻化的认知特点，《外语学刊》第6期

[2]转引自，卢卫中,2003,人体隐喻化的认知特点，《外语学刊》第6期

[3]束定芳，2000,论隐喻产生的认知、心理和语言原因，《外语学刊》第2期

[4]陈家旭，2007.《英汉隐喻认知对比研究》，上海：学林出版社第73页

地域文化的概念及特点范文

关键词：知识点本体；适应性学习；领域知识树

中图分类号：TP183[KG*2]文献标识码：A[KG*2][HT5”H]文章编号：2095-2163（2013）05-0014-04

0引言

现今，许多学习系统中的学习资源大多是以课程章节结构为顺序进行组织并安排学科知识的，知识的组织方式比较粗糙，学习内容的呈现也相对固定，无法完整地表现知识点间的内在联系，不便于学习资源的再组织和重利用，不利于学习者把握课程系统的整体知识结构，更加不利于学习者辨别知识点间的逻辑关系、实现知识的拓展，因而难于适应个性化学习的需求。可见，设计和开发可重用、互操作、可共享的学习资源内容、结构和体系，有助于解决资源重用与跨平台共享的问题现状。而在计算机科学中，本体具有概念化、共享性的本质特征，可以用于学习资源内容的描述和表达，并实现学习资源内容的共享与重用。

人们学习多是以知识点（KnowledgeTopic）为单位的[1]。知识点是领域课程知识体系中的核心单元，也是知识结构的最小单位。各个知识点相互关联，体现了领域课程知识的层次结构关系，是学习者构建知识体系的基础，因此将知识点纳入到学习资源内容的构建中，可以较好地组织和利用学习资源。本文依据知识点间的内在联系，利用知识本体来描述知识，建立知识本体库，对领域知识进行语义描述，可以将知识点独立、动态地组装成为学习模块或学习单元。因此，以知识点本体为核心设计的适应性学习系统能更大程度地满足学习资源的共享性、互操作性、重用性和个性化推荐。

1本体概念

本体是对知识的概念化、形式化、明确化的描述[2]。本体主要由概念、概念的属性、关系、函数、公理和实例等几种元素组成。本体的知识表示元素含义描述如下[3]：

（1）概念（Concepts）：表示领域知识元数据，描述事物的属性的集合，可以是一般意义上的概念，也可以是任务、功能、策略、行为和推理过程等，本体中的这些概念构成知识点的分类层次关系。

（2）属性（Properties）：描述概念的性质，是一个概念区别于其他概念的本质特征。

（3）关系（Relations）：表示概念间的关联，在领域中概念之间的交互作用，形式上定义为n维笛卡儿积的子集。数学描述为：R：C1×C2×…×Cn，如子类关系（subclass-of）。在语义上，关系对应于对象元组的集合本体关系，而使概念形成层次结构。

（4）函数（Functions）：概念及其相互关系的映射函数，用于约束概念间的关系。

（5）公理（Axioms）：在领域内任何条件下都成立的永真断言，是本体一致性检查和推理的基础。

（6）实例（Instances）：表示某个概念的具体实体。

这些元素的相互作用构成某一学科的知识表示，无论何种形式、何种类别的学习资源都能够由计算机识别和理解，再通过加工处理后反馈给学习者。

本体的类型多种多样，根据本体的主题可以将本体分为：通用本体（GenericOntology）、领域本体（DomainOntology）、表示本体（RepresentationalOntology）、任务本体（TaskOntology）。其中，领域本体包含特定领域的相关知识，提供特定领域（专业或学科）的概念定义、概念之间的关系及对应领域中的主要理论和基本原理等。

领域知识树DKT（DomainKnowledgeTree）的构造

任何一门课程都是由若干个知识点组成的，知识点是对课程分解的最小学习单位，构建知识点本体必须从学习规律、学习导航的角度去分析和理解，研究某个知识点的属性特征和其他知识点之间的内在联系，再使用本体技术将这些知识点及其相互关系形式化地表示出来。依据教学和课程组织的规律，知识点之间的关系主要有以下5种[4，5]。

（1）父子关系：部分和整体的关系。父知识点a1是子知识点b1、b2、……、bn的综述，而子知识点bi则从不同的侧面、角度与范畴对其父知识点进行说明，记为a1bi。

（2）依赖关系：前驱后继关系。学习某一知识点a2之前必须先学习知识点a1，a1是a2的前驱知识点，a2是a1的后继知识点，记为a1a2。

（3）兄弟关系：如果知识点d1和d2具有共同的前驱知识点，且两者间具有相同或类似的主题关键词，记为a1―a2。

（4）平行关系：如果知识点t1和t2没有共同的直接前驱知识点，且两者之间无前驱后继关系，学习时可不分先后次序，则称知识点t1和t2具有平行关系，记为t1t2。

（5）参考关系：在学习知识点x1时可以参考知识点x2，主要用于加深对某一个知识点的理解及扩展知识面，记为x1--x2。

根据实际教学过程，可以知道，知识点间的关系是复杂的，要掌握某个知识点的内容可能需要先掌握若干个前驱知识点，而这个知识点又可能是另外若干个知识点的前驱，可见知识点间的联系不必一定是线性，还可能有网状结构。因此，构造领域知识树DKT时，必须首先考虑知识点层次关系以便于构造一个树状结构，同时考虑到知识点间网状关系，因而又不必完全局限于树状结构，如此方可满足实际学习的需要。基于前面描述，构造一颗领域知识树DKT结构如图1所示。

3适应性学习系统中知识点本体的构建[6，7]

对课程的领域知识完成深入地分析后，就可以进行知识点本体的设计了。按照实际教学规律、课程的知识特性，以及基于领域知识点的5种基本关系，知识点本体可表示和描述为如下5元组：

其中，O表示领域知识点本体，T表示本体的概念集合，P表示本体的属性集合，R表示本体的关系集合，B表示定义在知识点本体上的约束条件或公理集，L表示实例集。

构建领域知识点本体需要多步才能完成，因而是一个循序渐进的过程。首先利用概念提取、概念分层理论自动构建知识点本体概念框架，其次利用已有的KDD关联技术融合概念分层原理进行知识本体的扩充[8，9]。构建知识点本体模型的步骤如图2所示。

如图2所示，对各创建步骤的解析如下。

（1）确定课程领域知识点核心概念清单T，此时暂不考虑概念间属性和表达上的重复。

（2）定义知识点类及类层次结构。在核心概念的基础上首先采用自顶向下的方法进行扩展，将这些概念细化为各个子类知识点，再依照领域知识树DKT结构图中的设定，定义上层知识点为父类，下层知识点为子类；然后自底向上由知识树中底层最小类的定义开始，将这些细化的类进行恰当地归纳和合并，并消除二义性，最终形成合理、完整的概念体系及其层次结构。

（3）定义知识点的相关类属性。用来描述知识点本身所具有的性质、作用以及相互关系等，根据领域内容本体概念的特性，领域知识点本体的属性可以用一个7元组来描述[7，8]：

P=。

其中，ID是该知识点类在知识本体库中的唯一标识号；Keywords用来描述该知识点的关键字；Kind表示知识点种类，分为4类（1，2，3，4），分别对应于事实知识、规范知识、技能知识和理解知识等[7]；Applicability是知识点的适用范围；Importance体现该知识点的重要程度，取值范围为[0，1]，值越大表示该知识点越重要；Difficulty描述该知识点的难易程度，取值范围为[0，1]，值越大表示难度越大；Master-Type表示知识点的认知能力，分为7类（a，b，c，d，e，f），分别对应于了解、熟悉、识记、理解、掌握、应用和综合。具体描述如图3所示。

（4）为知识点类创建实例。为每个知识点类创建一个实例，并添加类的属性值。

4知识点本体模型构建的实例

根据上述的领域知识点本体表示和建模思想，现以《数据结构》课程中“线性结构”这一大类知识点为例，来构造一个适应性学习系统中的知识本体表示模型，其概念实体如表1所示，概念关系则如图4所示。