Page 142 - 基于大数据的英语翻译精准教学及实现路径

基于大数据的英语翻译精准教学及实现路径
Accurate English Translation Teaching and Implementation Path Based on Big Data

知识图谱推荐相似内容，最后对查询结果进行相似度排序并返回给用户。第三，
可视化：展示隐藏在教育大数据内部之间的关系，让用户能够从多维角度对数据
展开分析和理解，从而获得有价值的信息，减少重复的信息检索工作。因此，在

大数据环境下，研究适合于教育大数据管理和维护平台，同时考虑智慧教育新特
征，如何更好地支持数据关联关系的“活性”和“自动更新”，其中“活性”表
现在关联关系是动态的、分内容的、允许动态配置的，“自动更新”则表现在关
联关系是具有自我认知的，能实时更新关联的知识库。

（一）教育大数据管理的技术问题分析
传统的数据库是固定数据的实体，数据与数据之间的关联性通常依赖数据库
表的主键 / 外键设置，数据库中的表与表之间的联系设置好后就固定了，一般不

允许改变。这种设计模式下的数据库对于多维空间、超层次关系的关联关系处理
能力就变得非常薄弱。因此，我们认为可以在关系型数据库作为结构化数据存在
的基础上，引入非关系型数据库对非结构化教育资源进行灵活存储。其中基础教
育数据包括结构化数据，诸如来自教务处的学生选课信息和成绩数据，以及信息
化办公室的教职工和学生的基本数据；而非结构化教育资源则可以用来存储一些

辅助的非固定格式的数据、图形、图像以及声音等。两者的结合与互补能有效地
支持大数据存储和管理。教育大数据的更新涉及大量数据更新以及数据之间的关
联关系更新。一方面，当前大多数高校的课程资源网站功能单一，形成数据孤岛，

需要对这些教育数据的关联关系进行更新和维护。另一方面，数据本身存在内容
语义，需要通过特征抽取算法，或自动或半自动地标识教育大数据的特征，对这
些数据进行管理。因此，我们认为，引入知识图谱概念，采用特征提取技术，基
于本体描述方法对大数据之间关联关系进行存储会是一种高效的解决方法。借助
于知识图谱所描述的教育领域本体，一方面做到教育信息之间的关联，一方面有

助于动态更新。
用户在使用大数据平台时，核心的问题是能快速、准确地检索到所需要的数
据。“快速”表明用户的等待时间不会过长，系统能在有限的时间内返回结果；

“准确”表明平台能正确识别用户检索需求，从某种意义上来说，不仅实现传统
的关键字检索，而且还实现基于知识图谱所描述的关联关系进行必要的推理，最
终返回的检索结果是符合用户意图的有价值的信息。因此，我们认为，引入搜索
引擎和智能推理技术，用人工智能实现数据推荐将会是平台运行的重要保证。数

134