摘要：在当今智慧教育蓬勃发展的形势下,借助软件技术手段开展教材展示成为一种趋势,教学资源不再局限于传统的教材、课程大纲以及试题,而是拓展到丰富多样的视频、音频和课件等资源。本文提出了基于计算机软件的数字化教材展示平台设计方案,建立了人机交互平台体系结构,设计了数字化教材知识图谱可视化方案,提出了基于DeepKE的数字化教材信息抽取模型。应用结果表明,教材展示平台提供了高效的学习工具,创造了有趣的互动学习环境,极大提高了教学效率和质量。

　　关键词：数字化教材；知识图谱；人机交互平台；DeepKE；信息抽取

　　0引言

　　随着互联网教育蓬勃发展,课程资源不再局限于教材、课程大纲和试题,而是包含丰富多样的视频、音频及课件等多种资源。对于学习者而言,面对繁杂无序的课程资源,挑选优质资源困难重重。对于教师而言,在调研学生学情、备课、授课以及结课评价等课程教学各个环节当中,难以高效整合所有资源[1]。以《算法设计与分析》课程为例,中国大学MOOC App有北京大学、厦门大学、北京航空航天大学等300多所名校名师授课视频,学堂在线App有200多个视频,慕课网有100多个相关视频,线上平台名校名师授课视频分多章节且有课件作业等,对各类课程资源进行有序归纳融合十分重要。本文提出基于计算机软件技术的数字化教材展示平台设计方案,通过构建包含知识点与资源的课程知识图谱,有序整合各类课程资源,为提供具体准确的教学辅助工具奠定基础。

　　1数字化教材展示平台总体设计

　　1.1平台体系结构

　　数字化教材展示平台的架构大致可以分为三层。在该系统中,数据采集层是RFID读取器,用于收集RFID标签信息。RFID技术具有智能识别功能,可以快速识别贴有RFID标签的图书,并将识别后的数据传输至后台进行计算和存储,实现数据的信息化[2]。系统体系结构示意图如图1所示。

       1.2人机交互展示平台设计

　　本文构建的系统旨在通过虚拟人实现教材展示与交互功能,系统需具备虚拟人学习教材展示的能力。Unity3D能够帮助用户轻松创建各种互动内容,包括游戏、三维动画、工程可视化等。该引擎在教学演示、工业设计、实景模拟、游戏开发等多个领域得到了广泛应用。Unity提供了易于使用的可视化编辑器和丰富的图形化界面,特点是容易上手,同时功能强大。该引擎支持超过20个平台发布,其强大的跨平台开发特性也是其最大的特点之一。（1）工具栏。该功能提供对Unity账户、Unity云服务和Unity Collaborate的支持,同时涵盖播放、暂停和步进控件以及全局搜索、图层可见性菜单和编辑器布局菜单。（2）Hierachy窗口。层次结构窗口是场景中每个游戏对象的层次结构文本表示。场景中的每个项目在层次结构中都有一个条目,因此,这两个窗口本质上是链接的。层次结构揭示了游戏对象如何相互连接的。（3）Game视图。通过情景模拟最终渲染的游戏的外观效果。点击播放按钮,模拟开始。（4）Scene视图。用于显示正在导航和编辑的场景。根据项目类型,场景视图可采用3D或2D透视图。（5）Inspector窗口。检查窗口,也可以称为属性窗口,允许查看和编辑当前选定游戏对象的所有属性。不同类型的Game Objects具有不同的属性集,因此,每次选择不同的Game Object时,Inspector窗口的布局和内容都会发生变化。（6）project窗口。显示可在项目中使用的资源库。虚拟人教材VR学习系统设计流程如图2所示[3]。

　　2教材知识图谱可视化分析

　　2.1教材知识图谱建模

　　知识图谱作为一种结构化的语义知识库,旨在以符号形式描述物理世界的概念及其相互关系。它借助“三元组”（实体－关系－实体）以及“实体－属性－值”对表达知识,依靠关系实现实体互联并形成网状知识结构。知识图谱支持依据概念而非字符串进行检索,达成真正的语义检索,极大提升了搜索引擎的精准程度以及用户获取知识的效率。其本质为一个概念网络,节点代表实体或概念,边呈现实体间语义关系,借助构建概念联系,变革现有信息检索形式,使人们摆脱人工过滤网页找答案的模式。知识图谱构建涵盖逻辑结构和体系架构两个方面。其逻辑结构可分为数据层和模式层两层[4]。

　　知识图谱构建包含知识抽取、融合、加工三个重要环节。信息抽取从文本中自动或半自动提取实体、关系、属性并形成本体化知识表达。知识融合解决实体链接与语义歧义问题。知识加工靠本体构建、推理、质量评估保证图谱结构化和准确性。它对融合后的新知识展开质量审查,将符合标准的知识添加到知识库中,从而保证知识库的整体质量。知识推理有助于扩展图谱并挖掘潜在新知识。

　　教材知识图谱CKG是对教材知识点与教材资源的形式化描述,可表示为CKG=(E,R,T),其中,E是实体,R是关系,T是三元组。教材知识点（CK）表示如式（1）所示：

　　CK={UK,BK,AK}（1）

　　式中,UK为章知识点；BK为节知识点；AK为原子知识点。教学资源包括教材、教材大纲、视频、音频、课件PPT以及试题等。教材与教材大纲通常都是以一门完整教材的形式组织编排的,因此,本文设定不考虑将教材和教学大纲链接到CKG上,而其余四种教学资源通常讲解一个知识点或者几个知识点,因此可链接到知识点上的教学资源（CR）上,如式（2）所示：

　　2.2基于DeepKE的数字化教材信息抽取

　　基于DeepKE的教材信息抽取方法主要由三个部分组成[6]。（1）特征提取网络。DocPointer以增强下游任务性能为目标,使用现有多模态预训练模型（如LiLT和LayoutLMv3）作为特征提取网络,接收OCR解析得到的文本、布局和图像信息,并分别生成词嵌入、图像块嵌入和二维位置嵌入,进一步提取多模态特征序列。需要说明的是,本文在下游建模中主要利用文本与布局特征,图像特征未作专门增强,因此本文所述“多模态特征”主要指文本与布局信息的融合表示。（2）布局感知关系增强网络（LAR Enhancer）。本文提出了基于Transformer的LAR层,将Co-RoPE融入自注意力计算,为多模态特征引入二维空间的相对位置信息,增强了多模态特征的空间表达能力,使模型在计算文本之间的注意力分数时,能够更精确地考虑它们在布局上的相对位置关系。（3）布局感知指针解码器（LAPD）。采用改进的全局指针网络处理SER和RE任务,通过得分矩阵和自注意力层判断实体边界及实体之间的关系,提高信息抽取的精度。

　　在信息抽取之前,要进行标签标注,本文采用数据标注工具,人工标注专业知识点,形成DeepKE所需的标准训练语料格式。在开展模型训练工作之前,需借助DeepKE所提供的框架进行模型配置。该框架涵盖卷积神经网络（Convolutional Neural Network,CNN）、预训练模型等多种模型类型。具体操作时,需手动选择所需的模型,并对其相关参数进行合理设置。完成上述步骤后,将标注好的训练语料加载至DeepKE中,随后启动模型训练流程,采用流水线形式依次完成实体识别、关系抽取和属性抽取三项任务。

　　3平台实现与测试结果分析

　　3.1平台交互搭建

　　交互虚拟环境场景的搭建主要使用3dsMax以及Unity3D完成。使用3dsMax完成场景模型搭建,进行三维建模和渲染,在完成模型搭建后,将模型导入Unity3D中,对模型进行优化,添加细节,包括贴图压缩、模型减面、光照烘焙等,完成最终场景的搭建。与教学场景不同,交互场景更加逼真,需模拟真实的现实生活来增加沉浸性,场景的设计充分考虑了现代建筑的特点,通过现代化的设计风格,增强用户的沉浸式体验。在交互场景中,用户可以通过完成一系列预设的任务进行教材的双向交互,这些任务设计旨在模拟现实生活中的交流情景,让用户在执行任务的过程中自然地进行教材学习。

　　3.2测试结果分析

　　系统教材展示功能提供了高效学习工具,营造互动有趣的学习氛围,极大地提高了教学效果与品质。其中最为关键的测试指标当属视频时延,也就是从视频信号产生直至系统显示播放所经历的时间延迟。视频传输过程包含视频采集、视频处理与编码、视频传输、数据接收与解码以及视频显示与播放等步骤,所有步骤均会造成视频时延产生。教材展示功能的测试相关内容及其结果如表1所示。

　　4结语

　　本文详细设计了基于计算机软件技术的数字化教材展示平台内容呈现方案,建立了平台体系结构,分析了数字化教材知识图谱可视化,提出了基于DeepKE的数字化教材信息抽取策略。结果表明,教材展示平台不仅提供了高效的学习工具,还创造了互动、有趣的学习环境,显著提高了教材学习的效率和质量。

参考文献

　　[1]曹海宁,何凤英,周昌宁.数字化转型背景下高校产教融合育人机制创新研究[J].现代职业教育,2025(19):21-24.

　　[2]范竹君,徐国庆.数字化转型赋能职业教育教材高质量发展:耦合逻辑、现实挑战与实践进路[J].教育学术月刊,2025(6):34-41.

　　[3]申立宪,陈艳,唐有萱.基于知识图谱的个性化推荐算法研究[J].信息记录材料,2025,26(9):51-54.

　　[4]梁懿,王秋琳,苏江文,等.基于多模态知识图谱实体自动抽取技术研究[J].信息技术,2025(9):58-64.

　　[5]莫凡.基于学习者特征和知识图谱的个性化学习资源推荐算法设计[J].数字技术与应用,2025,43(8):203-205.

　　[6]王泽辰,赵刚,康金泉.漏洞知识图谱的构建研究[J].网络安全技术与应用,2025(9):42-46.