Hypergraph is more powerful. Transform unstructured text into structured knowledge with LLMs. Graphs, hypergraphs, and spatio-temporal extractions — with one command.
教育模板
课程材料、教学大纲和培养方案分析。
概述
教育模板从教学文档中提取教学结构:从教材和讲义抽取知识点图,从教学大纲抽取课程—模块—考核超图。
当原文在讲授概念及其学习依赖时,使用 education/course_concept_graph。当原文把一门课组织成模块、主题、考核和学习成果时,使用 education/curriculum_structure。从论文或百科全书抽取通用本体时,请改用 general/concept_graph。
模板
course_concept_graph
类型:graph
用途:从课程材料中提取知识点及其教学依赖关系
最适合:
- 教材和讲义
- 课程读本
- 教程章节
实体:
- 知识点(概念、技能、方法、原理、例题)
关系:
先修— 文本明确写出的学习顺序要求组成— 文本明确写出的部分-整体关系相关— 排除先修和组成后仍明确陈述的关联示例— 作为某知识点的例题或实例
=== "CLI"
```bash
he parse lecture.md -t education/course_concept_graph -l zh
```
=== "Python"
```python
ka = Template.create("education/course_concept_graph", "zh")
result = ka.parse(lecture_notes)
for edge in result.data.relations:
print(f"{edge.source} -[{edge.type}]-> {edge.target}")
```
curriculum_structure
类型:hypergraph
用途:从教学大纲中提取课程—模块—知识点—考核结构
最适合:
- 教学大纲
- 培养方案
- 课程简介
实体:
- 课程
- 模块(周次、单元)
- 知识点(该单元覆盖的主题)
- 考核(测验、作业、实验、考试)
- 学习成果
超边:
- 一个教学单元(
unit_name),按角色分组courses、concepts、assessments、outcomes
=== "CLI"
```bash
he parse syllabus.md -t education/curriculum_structure -l zh
```
=== "Python"
```python
ka = Template.create("education/curriculum_structure", "zh")
result = ka.parse(syllabus_text)
for unit in result.data.relations:
print(f"{unit.unit_name}: {unit.concepts} / {unit.assessments}")
```
提示
- course_concept_graph 用于教材 — 正文中明确写出的学习依赖
- curriculum_structure 用于大纲 — 课程组织与考核对应
- 不要仅凭章节顺序臆造先修,也不要添加大纲未点名的考核