摘 要：以構(gòu)建《建設(shè)工程質(zhì)量檢測員國家職業(yè)技能標(biāo)準(zhǔn)》的知識圖譜為主要研究內(nèi)容，文章介紹了《建設(shè)工程質(zhì)量檢測員國家職業(yè)技能標(biāo)準(zhǔn)》對于教育和檢測行業(yè)發(fā)展的重要性，討論了在當(dāng)前數(shù)字化轉(zhuǎn)型過程中底層知識的必要性，說明知識圖譜在實際工作中的作用。在此基礎(chǔ)上，采用專家自頂向下的方法構(gòu)建了知識圖譜，并根據(jù)標(biāo)準(zhǔn)內(nèi)容確定了概念之間的關(guān)系和屬性類型。以“建設(shè)工程質(zhì)量檢測員”為核心概念，擴(kuò)展了標(biāo)準(zhǔn)中的相關(guān)概念。最后，將知識圖譜載入第三方平臺進(jìn)行測試，通過SPARQL查詢獲得了相應(yīng)的結(jié)果，同時也驗證了不同領(lǐng)域知識圖譜的關(guān)聯(lián)性。

關(guān)鍵詞：國家標(biāo)準(zhǔn)；知識圖譜；資源描述框架；三元組

中圖分類號：TP391.1 文獻(xiàn)標(biāo)識碼：A 文章編號：2096-4706（2025）02-0079-05

Construction and Application of Knowledge Graph of National Vocational Skill Standard for Construction Engineering Quality Inspectors

WANG Haiyuan1，2， LI Jianmin1，2， ZHANG Feng1，2， FENG Zelong1，2， ZHANG Shen1，2

（1.China Academy of Building Research Co.， Ltd.， Beijing 100013， China;

2.CABR Testing Center Co.， Ltd.， Beijing 100013， China）

Abstract： Taking the construction of the Knowledge Graph of National Vocational Skill Standard for Construction Engineering Quality Inspectors as the main research content， this paper introduces the importance of National Vocational Skill Standard for Construction Engineering Quality Inspectors for the development of the education and inspection industries， discusses the importance of underlying knowledge in the current digital transformation process， and illustrates the role of the Knowledge Graph in practical work. On this basis， the Knowledge Graph is constructed using the expert top-down method， and the relationship between concepts and attribute types are determined according to the standard content. With “construction engineering quality inspector” as the core concept， it expands the related concepts in the standard. Finally， the Knowledge Graph is loaded into the third-party platform for testing， and corresponding results are obtained through SPARQL queries. Meanwhile， the relevance of Knowledge Graphs in different fields is also verified.

Keywords： national standard; Knowledge Graph; resource description framework; triple

DOI：10.19850/j.cnki.2096-4706.2025.02.014

0 引 言

建設(shè)工程質(zhì)量檢測員是建設(shè)工程檢測的執(zhí)行者，是確保建筑工程質(zhì)量的關(guān)鍵一環(huán)，人員素質(zhì)的提高對于促進(jìn)行業(yè)的發(fā)展至關(guān)重要。2023年3月31日，住房和城鄉(xiāng)建設(shè)部發(fā)布了《建設(shè)工程質(zhì)量檢測機(jī)構(gòu)資質(zhì)標(biāo)準(zhǔn)》中，對建設(shè)工程檢測機(jī)構(gòu)中的主要人員提出了明確技術(shù)要求[1]。為貫徹落實《國務(wù)院關(guān)于推行終身職業(yè)技能培訓(xùn)制度的意見》提出的“緊跟新技術(shù)、新職業(yè)發(fā)展變化，建立職業(yè)分類動態(tài)調(diào)整機(jī)制，加快職業(yè)標(biāo)準(zhǔn)開發(fā)工作”要求，人力資源社會保障部于2022年7月11日向社會發(fā)布《中華人民共和國職業(yè)分類大典》公示稿，其中，新增“建設(shè)工程質(zhì)量檢測員”新職業(yè)，明確了行業(yè)中從業(yè)人員定位[2]。2023年9月1日，人力資源社會保障部面向社會公開征求66個國家職業(yè)標(biāo)準(zhǔn)意見，其中包括《建設(shè)工程質(zhì)量檢測員國家職業(yè)標(biāo)準(zhǔn)》（征求意見稿）（以下簡稱：《標(biāo)準(zhǔn)》）[3]。該職業(yè)標(biāo)準(zhǔn)規(guī)定了建設(shè)工程質(zhì)量檢測員應(yīng)具備的基本職業(yè)技能要求、基礎(chǔ)理論知識、專業(yè)知識、安全環(huán)保知識、質(zhì)量管理知識和法律法規(guī)知識等，并對相關(guān)的從業(yè)人員制定了4級的技能等級，建議了相應(yīng)的學(xué)習(xí)時長和學(xué)習(xí)內(nèi)容。然而作為指導(dǎo)專業(yè)技術(shù)人員的水平鑒定標(biāo)準(zhǔn)，《標(biāo)準(zhǔn)》涉及建設(shè)工程相關(guān)行業(yè)基礎(chǔ)知識、檢測行業(yè)相關(guān)規(guī)范、儀器儀表使用以及現(xiàn)場規(guī)定，等等。而且《標(biāo)準(zhǔn)》中涉及的概念相互引用形式多樣，對于參考《標(biāo)準(zhǔn)》的人員來說難以理解其中的關(guān)系。同時，隨著各行業(yè)的數(shù)字化轉(zhuǎn)型，各行業(yè)都在建設(shè)相應(yīng)的數(shù)字化平臺和開發(fā)應(yīng)用程序，領(lǐng)域知識間的互相交叉應(yīng)用成為一種新的趨勢。不同領(lǐng)域的知識在數(shù)字化平臺上得以匯聚和融合，為各行業(yè)帶來了更廣闊的創(chuàng)新空間。各種數(shù)字化應(yīng)用底層的知識共享也成為一個難題。由于各領(lǐng)域的知識體系和結(jié)構(gòu)不盡相同，如何有效地整合和共享這些知識成為一個挑戰(zhàn)。知識圖譜（Knowledge Graph）技術(shù)是解決知識共享的技術(shù)手段之一。本研究針對《標(biāo)準(zhǔn)》涉及內(nèi)容龐雜、覆蓋范圍等特點，提出《建設(shè)工程質(zhì)量檢測員國家職業(yè)技能標(biāo)準(zhǔn)》知識圖譜（簡稱：檢測員知識圖譜）的構(gòu)建方法，將標(biāo)準(zhǔn)文件轉(zhuǎn)換化為以資源描述框架（Resource Description Framework， RDF）為表達(dá)形式的知識圖譜，實現(xiàn)《標(biāo)準(zhǔn)》中涉及相關(guān)領(lǐng)域知識的相互關(guān)聯(lián)，幫助用戶更全面的理解該職業(yè)標(biāo)準(zhǔn)，使得對人員的培訓(xùn)更全面、考核更加規(guī)范[4]，也為行業(yè)應(yīng)用程序的開發(fā)提供知識支撐，提高行業(yè)數(shù)字化、智能化水平。

1 標(biāo)準(zhǔn)數(shù)字化與知識圖譜

當(dāng)前各種數(shù)據(jù)和知識爆炸式增長，各行各業(yè)源源不斷地產(chǎn)生各種場景、應(yīng)用以及由此產(chǎn)生的數(shù)據(jù)。標(biāo)準(zhǔn)作為國家、行業(yè)或區(qū)域內(nèi)針對特定領(lǐng)域的指導(dǎo)性文件，在對數(shù)據(jù)的分析、歸類、優(yōu)化方面起到關(guān)鍵作用，也在不同應(yīng)用系統(tǒng)中起到底層知識邏輯和認(rèn)知基礎(chǔ)的作用。加快推動標(biāo)準(zhǔn)的數(shù)字化、網(wǎng)絡(luò)化、智能化和知識化轉(zhuǎn)型已逐漸成為標(biāo)準(zhǔn)領(lǐng)域的共識[5]。然而國家標(biāo)準(zhǔn)覆蓋內(nèi)容廣泛、涉及環(huán)節(jié)多樣，并且會與其他標(biāo)準(zhǔn)相互引用，普通人難以理清其中的關(guān)系，閱讀起來非常困難[6]。在對標(biāo)準(zhǔn)進(jìn)行應(yīng)用過程中，開發(fā)人員往往需要額外的工作對標(biāo)準(zhǔn)進(jìn)行數(shù)字化，形成結(jié)構(gòu)化的文檔。大數(shù)據(jù)背景下，越來越多的具體場景要求將應(yīng)用涉及的多專業(yè)知識標(biāo)準(zhǔn)進(jìn)行融合，融合成人類可理解、機(jī)器可表征與可推理的知識庫[7]。知識圖譜技術(shù)就是采用語義技術(shù)形式化表達(dá)的系統(tǒng)化、結(jié)構(gòu)化、集成化的特定領(lǐng)域知識[8]，是當(dāng)前人工智能領(lǐng)域研究的熱點，其核心包括實體、關(guān)系、屬性等。實體是知識圖譜中的基本單元，表示現(xiàn)實世界中的事物或概念；關(guān)系描述了實體之間的聯(lián)系；屬性則是對關(guān)系的進(jìn)一步描述和補(bǔ)充。知識圖譜在知識組織方面具有極大優(yōu)勢，主要用于從類型不同的龐雜數(shù)據(jù)中抽取實體、實體間的關(guān)系以及實體的屬性，然后將三者通過圖結(jié)構(gòu)的數(shù)據(jù)模型或拓?fù)溥M(jìn)行整合，從而將抽象零散的知識進(jìn)行清晰的可視化展示[9]。采用知識圖譜技術(shù)對標(biāo)準(zhǔn)構(gòu)建領(lǐng)域知識圖譜，可以整合多源標(biāo)準(zhǔn)知識，對于指定的信息給予精確查詢和關(guān)聯(lián)標(biāo)準(zhǔn)的鏈接呈現(xiàn)，提高檢索的準(zhǔn)確性和效率。同時，知識圖譜將文檔層次的粗粒度知識拆分為細(xì)粒度的切片化知識，更有益于針對行業(yè)標(biāo)準(zhǔn)體系的構(gòu)建與完善[10]。

標(biāo)準(zhǔn)文件作為針對特定內(nèi)容進(jìn)行標(biāo)準(zhǔn)化說明的文字，內(nèi)容涉及的知識領(lǐng)域性強(qiáng)，專業(yè)術(shù)語多，而且行文結(jié)構(gòu)較規(guī)范、標(biāo)題層級清晰[11]。《標(biāo)準(zhǔn)》為指導(dǎo)建設(shè)工程質(zhì)量檢測員業(yè)務(wù)能力考核認(rèn)定的技能標(biāo)準(zhǔn)，涉及多個關(guān)聯(lián)領(lǐng)域知識，具體領(lǐng)域知識如表1所示?！稑?biāo)準(zhǔn)》中僅對職業(yè)和技能相關(guān)的專業(yè)術(shù)語進(jìn)行了定義或說明，應(yīng)用過程中涉及的大量的建設(shè)工程檢測術(shù)語就需要人工解讀。而進(jìn)行數(shù)字化的過程中，就可以通過知識圖譜中實體鏈接擴(kuò)展其他領(lǐng)域知識圖譜，實現(xiàn)跨行業(yè)的知識融合。

2 知識圖譜構(gòu)建

知識圖譜的構(gòu)建目前主要有自動化、專家構(gòu)建和半自動化三種方法。自動化的方法是指采用基于機(jī)器學(xué)習(xí)和自然語言處理等人工智能的方法，在提供的語料數(shù)據(jù)中進(jìn)行實體（概念）識別、屬性識別和關(guān)系抽取等操作，將非結(jié)構(gòu)化的數(shù)據(jù)轉(zhuǎn)換為結(jié)構(gòu)化的數(shù)據(jù)，形成三元組的表達(dá)形式，多用于海量數(shù)據(jù)、內(nèi)容繁雜且架構(gòu)不清晰的公共領(lǐng)域通用知識圖譜，一般表現(xiàn)為自底向上的構(gòu)建方法。專家構(gòu)建主要是依托領(lǐng)域?qū)＜胰斯?gòu)建知識體系，逐步補(bǔ)充概念、屬性，建立實體間的聯(lián)系，多用于數(shù)據(jù)相對集中、知識結(jié)構(gòu)相對確定的垂直領(lǐng)域行業(yè)知識圖譜，一般表現(xiàn)為自頂向下的構(gòu)建方法。半自動化的方法介于以上二者之間，前期專家人工搭建概念框架，建立基本關(guān)系鏈接，之后在利用人工智能的方法進(jìn)行實體識別、關(guān)系抽取和屬性提取，自動化填充知識圖譜內(nèi)容。本文中，由于《標(biāo)準(zhǔn)》文本相較于其他文本有較為規(guī)范的文本格式，且文本量相對較少，同時也需要對《標(biāo)準(zhǔn)》條款有專業(yè)、準(zhǔn)確的理解，因此采用領(lǐng)域?qū)＜覙?gòu)建的方法[12]。

2.1 《標(biāo)準(zhǔn)》的內(nèi)容結(jié)構(gòu)

《標(biāo)準(zhǔn)》作為建設(shè)工程質(zhì)量檢測領(lǐng)域中第一部評價相關(guān)從業(yè)人員的技能等級標(biāo)準(zhǔn)，其內(nèi)容涵蓋了職業(yè)概況、基本要求、工作要求、鑒定要求等多個領(lǐng)域知識，內(nèi)容結(jié)構(gòu)如圖1所示。

從圖1中可以看出，《標(biāo)準(zhǔn)》作為指導(dǎo)專業(yè)領(lǐng)域內(nèi)從業(yè)人員的技能評定的標(biāo)準(zhǔn)，其具有領(lǐng)域范圍廣、專業(yè)術(shù)語多、內(nèi)容關(guān)聯(lián)復(fù)雜等特點。而知識圖譜作為多領(lǐng)域知識進(jìn)行融合的技術(shù)手段，在實現(xiàn)該技能標(biāo)準(zhǔn)的數(shù)字化過程中具有得天獨厚的優(yōu)勢，可以有效地將標(biāo)準(zhǔn)中分散的知識點進(jìn)行整合和關(guān)聯(lián)，使標(biāo)準(zhǔn)更易于被機(jī)器理解和嵌入到各種應(yīng)用程序、平臺的場景當(dāng)中。

2.2 知識圖譜的構(gòu)建方法

本研究中檢測員知識圖譜構(gòu)建方法采用專家自頂向下的方法構(gòu)建，如圖2所示，主要步驟如下：

1）首先是要確定知識圖譜的領(lǐng)域范圍，限定概念、屬性涉及的知識范圍。

2）專家羅列出《標(biāo)準(zhǔn)》中涉及的主要專業(yè)術(shù)語以及含義。

3）組織概念形成層級結(jié)構(gòu)，建立分類體系。

4）為每個類別建立描述概念特征的屬性。

5）通過屬性關(guān)聯(lián)各個不同的概念，建立實體間相互鏈接的關(guān)系。

6）專家對知識圖譜進(jìn)行評價，不滿足要求回到步驟1）進(jìn)行迭代、更新。

7）在應(yīng)用中對知識圖譜進(jìn)行更新。

2.3 知識圖譜結(jié)構(gòu)

本研究構(gòu)建的知識圖譜結(jié)構(gòu)中的部分概念和關(guān)系如圖3所示，圖中用橢圓表示知識圖譜中的一個實體，有向箭頭表示屬性，方框表示數(shù)值或文本型的屬性值，采用vs來表示當(dāng)前知識圖譜的命名空間。由于目前各知識圖譜工具對于中文支持會出現(xiàn)各種問題，如亂碼和無法正常簡析等，在RDF中實體和屬性的url仍然采用英文，實體通過屬性rdfs：label表明具體的中文含義。圖3中，以“建設(shè)工程質(zhì)量檢測員”為核心概念定義了知識圖譜的主要實體，依據(jù)《標(biāo)準(zhǔn)》的章節(jié)內(nèi)容，擴(kuò)展了名稱、定義、鑒定要求等多個實體[13]?！稑?biāo)準(zhǔn)》作為《國家職業(yè)技能標(biāo)準(zhǔn)》中的一個職業(yè)標(biāo)準(zhǔn)，屬于《國家職業(yè)技能標(biāo)準(zhǔn)》的一個子類，采用屬性rdfs：subClassof關(guān)聯(lián)兩個概念。實體與實體間通過對象屬性（object property）關(guān)聯(lián)，實體與數(shù)值或文本通過數(shù)據(jù)屬性（data property）關(guān)聯(lián)。如用對象屬性vs：hasRequirement建立實體“建設(shè)工程質(zhì)量檢測員”和“鑒定要求”兩者間的關(guān)系，實體“建設(shè)工程質(zhì)量檢測員”又通過數(shù)據(jù)屬性vs：hasCode和rdfs：label明確了職業(yè)代碼和中文名稱。

《標(biāo)準(zhǔn)》中有不少概念和關(guān)系都是前后相互引用或者與其他標(biāo)準(zhǔn)相互引用，這就需要將來自不同知識圖譜中不同表達(dá)形式的概念進(jìn)行對齊、消歧，保證相同的概念指向的是同一實體。其中有一些外延概念，如學(xué)科、專業(yè)、儀器設(shè)備等，在《標(biāo)準(zhǔn)》中沒有明確的定義或解釋，在本研究中，將這些概念與其他知識圖譜中的概念進(jìn)行關(guān)聯(lián)[14]，起到概念解釋和說明的作用。當(dāng)前版本中，檢測員知識圖譜關(guān)聯(lián)有三類外部知識圖譜，分別為：儀器設(shè)備知識圖譜、檢測技術(shù)規(guī)范知識圖譜和學(xué)科專業(yè)知識圖譜。例如：通過vs：hasRelatedMajor屬性將學(xué)科專業(yè)本體中“土建工程”專業(yè)的概念鏈接到本檢測員知識圖譜中，這樣就建立了專業(yè)與其外部擴(kuò)展解釋間的鏈接關(guān)系[15]。

3 測試及結(jié)果

構(gòu)建完成的知識圖譜結(jié)構(gòu)化三元組RDF采用N-Triples的形式進(jìn)行存儲，數(shù)據(jù)片段如圖4所示。在將知識圖譜應(yīng)用于到具體項目前，可以將其載入到GraphDb中進(jìn)行測試，一方面可以檢測知識圖譜的語法、格式是否有錯誤；另一方面也可以在脫離應(yīng)用場景下測試，做到數(shù)據(jù)和應(yīng)用邏輯的分離。GraphDB是一個開源的企業(yè)圖形數(shù)據(jù)存儲引擎，對于非商業(yè)目的可以免費下載，但如果用于商業(yè)目的則需要購買商業(yè)許可。

數(shù)據(jù)載入GraphDb后，既可以通過數(shù)據(jù)端口進(jìn)行數(shù)據(jù)管理和查詢操作，也可以利用GraphDb自帶的圖形化界面進(jìn)行操作。GraphDb啟動后，在默寫設(shè)置下使用瀏覽器輸入http：//localhost：7200就可以進(jìn)入GraphDb的圖形化操作界面。

為了測試知識圖譜是否構(gòu)建完整、準(zhǔn)確，需要對相應(yīng)的知識內(nèi)容進(jìn)行測試。

應(yīng)用舉例：成為鑒定場所至少需要幾臺低應(yīng)變動測儀？

這個問題涉及《標(biāo)準(zhǔn)》1.9.5鑒定場所設(shè)備章節(jié)，內(nèi)容涉及儀器和模型的5個分類。將該問句轉(zhuǎn)換為Sparql語義查詢語句及查詢結(jié)果如圖5所示。查詢結(jié)果顯示至少需要5臺低應(yīng)變動測儀，而且這些設(shè)備屬于巖土類檢測儀器設(shè)備。

由于在構(gòu)建《標(biāo)準(zhǔn)》的知識圖譜時，本檢測員知識圖譜中“低應(yīng)變動測儀”通過owl：equivalentClass與儀器設(shè)備知識圖譜中“低應(yīng)變基樁動測儀”建立了等價類的關(guān)聯(lián)?！暗蛻?yīng)變基樁動測儀”在儀器設(shè)備本體是“巖土類檢測儀器設(shè)備”的一個子類，而“巖土類檢測儀器設(shè)備”是“檢測儀器設(shè)備”的一個子類，所以通過邏輯推理就可以從關(guān)聯(lián)的知識模型中獲取相關(guān)的知識。

在這樣的多學(xué)科交叉應(yīng)用的項目中，各個領(lǐng)域的知識圖譜往往都有相應(yīng)的專業(yè)團(tuán)隊負(fù)責(zé)。各個領(lǐng)域知識的更新和維護(hù)都不會同步，因此，采用知識圖譜進(jìn)行領(lǐng)域間知識的融合就提供了相對方便的數(shù)據(jù)維護(hù)方法。儀器設(shè)備本體進(jìn)行相應(yīng)的更新，在“巖土類檢測儀器設(shè)備”和“低應(yīng)變基樁動測儀”中新加一級“基樁動測儀”，檢測員知識圖譜中只需重新進(jìn)行一次數(shù)字載入和推理操作即可，相應(yīng)程序代碼及檢測員標(biāo)準(zhǔn)本體不需要進(jìn)行改變。檢測員知識圖譜在應(yīng)用中也并非一成不變。隨著時間的推移，新的知識和信息不斷涌現(xiàn)、職業(yè)標(biāo)準(zhǔn)版本的更新，而舊的知識可能會過時或被修正。為了保持應(yīng)用的有效性和用戶滿意度，就必須不斷地對知識圖譜進(jìn)行迭代更新。這需要定期檢查和更新圖譜中的數(shù)據(jù)、信息和鏈接，以確保其準(zhǔn)確性和完整性。通過持續(xù)的迭代更新，確保知識圖譜始終與現(xiàn)實世界保持同步，為用戶提供最新、最準(zhǔn)確的信息和服務(wù)。

國務(wù)院印發(fā)的《新一代人工智能發(fā)展規(guī)劃》中指出“形成涵蓋數(shù)十億實體規(guī)模的多源、多學(xué)科和多數(shù)據(jù)類型的跨媒體知識圖譜”[16]，從而實現(xiàn)對知識持續(xù)增量的自動獲取。知識圖譜作為融合各學(xué)科、各行業(yè)知識的技術(shù)手段之一，在越來越多的行業(yè)數(shù)字化轉(zhuǎn)型的底層起到支持作用?！稑?biāo)準(zhǔn)》作為跨越教育和建設(shè)工程檢測行業(yè)的人員業(yè)務(wù)水平認(rèn)定標(biāo)準(zhǔn)，存在多學(xué)科、多行業(yè)相互融合的問題，本研究構(gòu)建的檢測員知識圖譜，可以作為職業(yè)教育、人員考核以及技術(shù)培訓(xùn)等應(yīng)用的基礎(chǔ)知識模型，為職業(yè)教育數(shù)字化轉(zhuǎn)型及應(yīng)用平臺的智能化提供支撐[17]。未來將實現(xiàn)更多元化的數(shù)據(jù)，實現(xiàn)多領(lǐng)域數(shù)據(jù)融合，推動行業(yè)從業(yè)人員的教育、培訓(xùn)和考核等相關(guān)應(yīng)用和平臺的數(shù)字化和智能化發(fā)展[18]。

4 結(jié) 論

本文深入探討了《建設(shè)工程質(zhì)量檢測員國家職業(yè)技能標(biāo)準(zhǔn)》知識圖譜的構(gòu)建及其應(yīng)用，強(qiáng)調(diào)了其在教育和檢測行業(yè)中的核心地位。在數(shù)字化轉(zhuǎn)型的背景下，本文采用專家自頂向下的方法，成功構(gòu)建了以“建設(shè)工程質(zhì)量檢測員”為核心的知識圖譜，精確定義了概念間的關(guān)系和屬性，實現(xiàn)了這些概念與其他領(lǐng)域知識圖譜中概念的關(guān)聯(lián)，并通過第三方平臺測試驗證了其有效性和跨領(lǐng)域關(guān)聯(lián)性，能夠為專業(yè)應(yīng)用平臺和軟件提供有力支持。本研究不僅促進(jìn)了相關(guān)領(lǐng)域的知識整合與共享，也為相關(guān)行業(yè)的知識管理與應(yīng)用提供了新的思路與工具。

參考文獻(xiàn)：

[1] 住房和城鄉(xiāng)建設(shè)部.住房和城鄉(xiāng)建設(shè)部關(guān)于印發(fā)《建設(shè)工程質(zhì)量檢測機(jī)構(gòu)資質(zhì)標(biāo)準(zhǔn)》的通知 [EB/OL].[2024-06-09].https：//www.gov.cn/zhengce/zhengceku/2023-04/20/content_5752347.htm？ivk_sa=1023197a.

[2] 人力資源社會保障部，市場監(jiān)管總局，統(tǒng)計局.人力資源社會保障部 市場監(jiān)管總局 統(tǒng)計局關(guān)于頒布《中華人民共和國職業(yè)分類大典（2022年版）》的通知 [EB/OL].[2024-06-09].http：//www.mohrss.gov.cn/SYrlzyhshbzb/rencairenshi/zcwj/RCDWJSzonghe/202211/t20221103_489285.html？eqid=ab8e1c280003b4a000000006642bd965amp;wd=amp;eqid=d6b0803800034a4b00000004645b564c.

[3] 人力資源社會保障部.人力資源社會保障部面向社會公開征求66個國家職業(yè)標(biāo)準(zhǔn)意見 [EB/OL].[2024-06-09].http：//www.mohrss.gov.cn/wap/xw/rsxw/202309/t20230901_505566.html.

[4] 李東海，劉星，王鵬.人工智能賦能職業(yè)教育高質(zhì)量發(fā)展的價值、挑戰(zhàn)與創(chuàng)新路徑[J].教育與職業(yè)，2023（4）：13-20.

[5] 方思怡.標(biāo)準(zhǔn)知識圖譜的技術(shù)路徑與應(yīng)用場景探討 [J].中國標(biāo)準(zhǔn)化，2023（11）：49-55.

[6] 秦麗，郝志剛，李國亮.國家食品安全標(biāo)準(zhǔn)圖譜的構(gòu)建及關(guān)聯(lián)性分析 [J].計算機(jī)應(yīng)用，2021，41（4）：1005-1011.

[7] 鄭慶華，劉歡，龔鐵梁，等.大數(shù)據(jù)知識工程發(fā)展現(xiàn)狀及展望 [J].中國工程科學(xué)，2023，25（2）：208-220.

[8] 黃智生，繆崇，胡青，等.川崎病知識圖譜構(gòu)建研究 [J].中國數(shù)字醫(yī)學(xué)，2018，13（9）：28-31.

[9] 趙宇博，張麗萍，閆盛，等.個性化學(xué)習(xí)中學(xué)科知識圖譜構(gòu)建與應(yīng)用綜述 [J].計算機(jī)工程與應(yīng)用，2023，59（10）：1-21.

[10] 楊德相，李劍鋒.基于知識圖譜的標(biāo)準(zhǔn)知識管理研究 [J].標(biāo)準(zhǔn)科學(xué)，2023（4）：39-45.

[11] 劉慧琳，牛力.標(biāo)準(zhǔn)文件的知識圖譜組織模式探究 [J].檔案學(xué)通訊，2021（5）：58-65.

[12] 劉明鵬，王忠明，馬文君.基于本體的造林樹種知識圖譜構(gòu)建與應(yīng)用 [J].北京林業(yè)大學(xué)學(xué)報，2023，45（8）：109-122.

[13] 劉廣宇，安芃，伍震，等.基于本體的公路工程安全領(lǐng)域知識建模和應(yīng)用 [J].清華大學(xué)學(xué)報：自然科學(xué)版，2024，64（2）：224-234.

[14] 李薇，肖仰華，汪衛(wèi).基于中文知識圖譜的人物實體識別 [J].計算機(jī)工程，2017，43（3）：225-231+240.

[15] 劉俊楠，劉海硯，陳曉慧，等.面向多源地理空間數(shù)據(jù)的知識圖譜構(gòu)建 [J].地球信息科學(xué)學(xué)報，2020，22（7）：1476-1486.

[16] 國務(wù)院.國務(wù)院關(guān)于印發(fā)新一代人工智能發(fā)展規(guī)劃的通知 [EB/OL].[2024-06-09].https：//www.gov.cn/zhengce/content/2017-07/20/content_5211996.htm

[17] 金波，鄭永進(jìn).高質(zhì)量發(fā)展背景下職業(yè)教育數(shù)字化轉(zhuǎn)型實現(xiàn)路徑研究 [J].中國高教研究，2023（7）：97-102.

[18] 廖帥，鄧茜，黃海聰.我國教育信息化的研究熱點與前沿趨勢——基于CiteSpace的可視化知識圖譜分析 [J].現(xiàn)代信息科技，2023，7（18）：142-149.

作者簡介：王海淵（1981—），男，漢族，山西朔州人，副研究員，博士，研究方向：人工智能、知識圖譜、智能檢測技術(shù)。

收稿日期：2024-06-08