基于知识图谱的东方音乐可视化教育研究与应用

计算机工程与科学

基于知识图谱的东方音乐可视化教育研究与应用

赵维平1，孙宁2，杨晓春3，郑国真4

（1.上海音乐学院音乐学系,上海 200031;2.上海音乐学院音乐声学艺术重点实验室，上海 200031;

3.上海成趣信息科技有限公司，上海 200001;4.Adamant Information Technology，香港 999077）

收稿日期:2018-07-05 修回日期:2018-09-16 出版日期:2018-11-26 发布日期:2018-11-25
基金资助:
上海音乐学院2016“中国音乐史高峰团队”项目

Oriental music visual education

based on knowledge graph

ZHAO Weiping1,SUN Ning2,YANG Xiaochun3,ZHENG Guozhen4

(1.Department of Music,Shanghai Conservatory of Music，Shanghai 200031；

2.Shanghai Key Laboratory for Art of Musical Acoustics,Shanghai Conservatory of Music，Shanghai 200031;

3.Shanghai AchieveFun Info Tech Co.,Ltd.,Shanghai 200001;

4.Adamant Information Technology,Hong Kong 999077,China)

Received:2018-07-05 Revised:2018-09-16 Online:2018-11-26 Published:2018-11-25

摘要/Abstract

摘要：

针对当前东方音乐教育的现状及问题，分析了可视化教育的基本概念和设计原则，介绍了知识可视化的表现形式和实现方法，解释了利用数据处理和自然语言处理技术构建知识图谱的方法。以古谱教育为例，提出利用古谱及古文化知识图谱实现可视化教育的方法，介绍了知识图谱应用于教学的典型案例。结果表明，知识图谱通过信息及知识可视化方式，为古谱及古文化教育提供了技术支持。

关键词: 知识可视化, 知识图谱, 东方音乐教育, 可视化教育, 自然语言处理

Abstract:

Based on the current status and problems of contemporary oriental music and culture education, we analyze the basic concepts and design principles of visual education, introduce presentation forms and implementation methods of knowledge visualization, and explain the methods of constructing knowledge graph using data processing and natural language processing techniques. We propose a visual education approach using ancient scores and culture knowledge graph, and depict the typical cases of knowledge graph used in teaching. The results show that knowledge graph can provide feasible technical support for ancient music scores and ancient culture education through information and knowledge visualization methods.

Key words: knowledge visualization, knowledge graph, oriental music education, visualization education, natural language processing

赵维平1，孙宁2，杨晓春3，郑国真4. 基于知识图谱的东方音乐可视化教育研究与应用[J]. 计算机工程与科学.

ZHAO Weiping1,SUN Ning2,YANG Xiaochun3,ZHENG Guozhen4.

Oriental music visual education

based on knowledge graph

[J]. Computer Engineering & Science.

[1]	丁建平, 李卫军, 刘雪洋, 陈旭. 命名实体识别研究综述[J]. 计算机工程与科学, 2024, 46(07): 1296-1310.
[2]	余天赐, 高尚. 融合多结构信息的代码注释生成模型[J]. 计算机工程与科学, 2024, 46(04): 667-675.
[3]	吉旭瑞, 魏德健, 张俊忠, 张帅, 曹慧. 中文电子病历信息提取方法研究综述[J]. 计算机工程与科学, 2024, 46(02): 325-337.
[4]	王斐斐, 贲可荣, 张献. 基于领域知识的语音识别鲁棒性增强技术研究[J]. 计算机工程与科学, 2023, 45(12): 2155-2164.
[5]	张千锟, 韩虎, 郝俊. 基于双注意力融合知识的方面级情感分类[J]. 计算机工程与科学, 2023, 45(10): 1866-1873.
[6]	许浪, 李代伟, 张海清, 唐聃, 何磊, 于曦. 基于神经网络的医疗文本分类研究[J]. 计算机工程与科学, 2023, 45(06): 1116-1122.
[7]	张若一, 金柳, 马慧芳, 王亦可, 李清风. 融合相似用户影响效应的知识图谱推荐模型[J]. 计算机工程与科学, 2023, 45(03): 520-527.
[8]	马赫, 王海荣, 周北京, 孙崇, 徐玺. 基于表示学习的实体对齐方法综述[J]. 计算机工程与科学, 2023, 45(03): 554-564.
[9]	林庆, 滕飞, 田波, 赵越, 祝锦烨, 冯力. 基于可搜索加密的密态知识图谱存储和检索方案[J]. 计算机工程与科学, 2023, 45(01): 66-76.
[10]	邹程辉, 李卫疆, . 融合知识图谱和评论文本的个性化推荐模型[J]. 计算机工程与科学, 2023, 45(01): 181-190.
[11]	裴凇莹, 陈振国. 基于文献计量的国内区块链技术研究及应用态势分析[J]. 计算机工程与科学, 2021, 43(11): 1966-1978.
[12]	顾军华, 佘士耀, 樊帅, 张素琪. 基于用户长短期兴趣与知识图卷积网络的推荐[J]. 计算机工程与科学, 2021, 43(03): 511-517.
[13]	沈冬东, 汪海涛, 姜瑛, 陈星. 基于知识图谱嵌入与多神经网络的序列推荐算法[J]. 计算机工程与科学, 2020, 42(09): 1661-1669.
[14]	吴晓崇, 段跃兴, 张月琴, 闫雄. 基于CNN和深层语义匹配的中文实体链接模型[J]. 计算机工程与科学, 2020, 42(08): 1514-1520.
[15]	袁泉1,2,3,成振华1,2,江洋1,2. 基于知识图谱和协同过滤的电影推荐算法研究[J]. 计算机工程与科学, 2020, 42(04): 714-721.