跳至主要內容

2025年秋科技创新实践题目

周子力大约 6 分钟

科技创新实践题目

一、工程类项目

1. 智海寻踪:基于大模型与知识图谱的智能学术搜索引擎

目标:开发一个面向学术领域的增强搜索引擎,提升学术检索的智能化与精准度。

主要任务

  • 构建学术知识图谱(论文、作者、机构、概念等)。
  • 利用大模型理解用户复杂查询意图。
  • 集成检索与知识图谱查询,返回结构化结果。

预期成果:一款可实现语义检索、学术关系分析与结构化结果展示的搜索引擎原型。


2. 企业慧眼:基于大模型的产业链知识图谱构建与分析平台

目标:实现产业链上下游知识自动化构建与分析,支持风险监测和决策。

主要任务

  • 利用大模型从新闻、财报、公告中抽取产业链信息。
  • 构建产业链知识图谱,支持上下游关系建模。
  • 提供可视化查询与风险传导模拟。

预期成果:一个支持产业链知识图谱构建、可视化分析与风险预测的应用平台。


3. 古籍新知:基于大模型的古籍知识图谱问答与阅读助手

目标:让古籍文本实现结构化建模与智能化交互,推动传统文化数字化传播。

主要任务

  • 针对某类古籍构建人物、地点、事件知识图谱。
  • 利用大模型实现文白翻译、人物关系查询、情节问答。
  • 提供个性化智能推荐阅读功能。

预期成果:一个古籍智能阅读助手,支持多模态互动与知识图谱问答。


4. 代码灵犀:智能代码分析与知识图谱构建工具

目标:实现对大型软件项目的结构化分析与智能辅助。

主要任务

  • 自动化解析源代码,提取类、函数、变量及调用关系。
  • 构建代码知识图谱。
  • 集成大模型,实现代码理解、自动生成文档与漏洞风险提示。

预期成果:一个支持代码结构可视化、自动文档生成与风险检测的智能工具。


5. 诊疗助手:医疗知识图谱驱动的大模型智能问诊系统

目标:结合知识图谱与大模型,提供可信赖的智能医疗问诊服务。

主要任务

  • 构建包含疾病、症状、药品、诊疗指南的知识图谱。
  • 用户输入症状后,大模型在知识图谱约束下进行多轮问询。
  • 提供初步诊断推荐并解释推理路径。

预期成果:一个支持智能问诊、推理溯源和辅助诊断的医疗应用系统。


6. 智慧法槌:法律条文与案例知识图谱应用系统

目标:提供基于知识图谱的法律条文与案例查询与分析工具。

主要任务

  • 构建法律知识图谱(法条、司法解释、案例)。
  • 集成大模型,实现自然语言查询与案例要点对比。
  • 支持法律知识可视化与智能检索。

预期成果:一个面向法律研究的智能查询与案例分析系统。


7. 基于大语言模型的智能课程问答助手

目标:为学生提供课堂知识的即时问答服务。

主要任务

  • 构建课程知识图谱。
  • 调用大模型 API 实现智能问答与知识点溯源。

预期成果:一个支持网页或小程序运行的课堂智能答疑系统。


8. 面向高校的个性化学习路径推荐系统

目标:根据学生知识掌握情况智能推荐学习路径。

主要任务

  • 构建课程知识点知识图谱。
  • 接入大模型生成学习计划与资源推荐。

预期成果:一款支持学习进度跟踪与个性化推荐的教育应用。


9. 融合知识图谱的考研志愿智能填报平台

目标:为考研学生提供个性化志愿推荐与院校选择支持。

主要任务

  • 构建考研知识图谱(院校、专业、就业方向)。
  • 融合大模型实现志愿推荐与就业趋势分析。

预期成果:一个可模拟志愿填报与推荐的智能小程序。


10. 文化遗产数字化与故事生成小程序

目标:推动文化遗产数字化传播,提升用户互动体验。

主要任务

  • 建立文化遗产知识图谱(文物、历史、人物)。
  • 调用大模型生成文化故事,增强趣味性。

预期成果:一款支持“文物+故事”展示与互动的小程序。


二、研究类项目

1. 知识图谱与大模型融合的语义检索方法研究

主要任务:设计“知识图谱 + 大模型”的混合检索机制,结合实体关系与语义理解,实现更高精度的检索。

预期成果:提出一种新方法,并完成实验对比,形成一篇学术论文。


2. 基于逻辑知识库的可解释人工智能机制探索

主要任务:引入逻辑知识库约束,分析并可视化大模型在推理任务中的路径与依据。

预期成果:学术论文一篇,附带实验数据与案例分析,展示可解释性提升。


3. 面向教育场景的知识图谱构建与应用研究

主要任务:构建细粒度课程知识图谱,探索其在智能教学、学习路径推荐等应用中的价值。

预期成果:知识图谱原型与研究论文。


4. 动态知识图谱在网络安全事件分析中的应用研究

主要任务:构建包含漏洞、攻击手法、威胁情报的动态知识图谱,研究其在安全事件检测与预测中的作用。

预期成果:网络安全知识图谱原型系统与实验验证论文。


5. 面向个性化学习的知识图谱与大模型协同推荐机制研究

主要任务:结合知识图谱的可解释结构与大模型的生成能力,研究如何为不同学生生成个性化学习资源推荐。

预期成果:实验研究论文,展示在个性化推荐准确性和用户满意度上的提升。

三、其它自选题目

可以自行选择感兴趣的领域,结合上述项目范例进行创新设计。需经过指导老师审核确认。

上次编辑于:
贡献者: zilizhou