【摘要】：面對海量知識資源,如何挖掘知識點與學習資源內部的關聯(lián)關系,解決學習資源組織結構較差、聚合性不足的問題是當前的一個研究熱點。本研究從知識與資源間的關聯(lián)關系出發(fā),通過運用語義分析、機器學習等技術探究知識資源關系,旨在實現(xiàn)知識點與學習資源的有效關聯(lián),促進知識與資源的深度聚合。首先基于語義分析技術,提出一種知識資源自動關聯(lián)的混合策略,綜合運用了 LSI和LDA等文本主題模型從豐富的知識實體中挖掘出知識主題,并且將知識點和學習資源轉化為主題向量,通過向量之間的語義關聯(lián)關系,計算學習資源和知識間向量的相似度,實現(xiàn)學習資源和知識點的初步關聯(lián)。同時,因為知識點和學習資源關聯(lián)的特殊性,以及知識點的描述信息有限性,單純利用語義方式計算關聯(lián)權重,在計算結果上會存在偏差,尤其是對于部分隱性知識以及多義詞情況,實現(xiàn)知識資源有效關聯(lián)就變得更為困難。因此本研究重點提出基于眾智的關聯(lián)權重計算方法,利用學習者的語義理解能力和先驗知識,標注學習資源和知識點關聯(lián)權重,將眾人標注結果與機器學習方法相結合完成學習資源與知識點關聯(lián)標注。本研究將知識資源關聯(lián)標注工作以任務形式分配給用戶進行標注,在進行任務分配時候綜合考慮了用戶背景信息和任務信息,通過二部關聯(lián)圖方法實現(xiàn)任務和參與用戶的最優(yōu)匹配;進一步地對用戶標注的結果進行融合,運用EM算法迭代估計出任務的真實關聯(lián)權重;并且根據融合計算的結果和用戶標注結果對比評測用戶標注的置信度。通過上述提出的機制既能夠保證知識資源關聯(lián)結果融合的質量,又能夠真實反映用戶的標注態(tài)度和能力,給知識資源關聯(lián)關系挖掘提供了一種新的思路。綜合運用上述提出的自動關聯(lián)和眾智關聯(lián)方法,挖掘出知識和學習資源間的關系,按照知識結構對學習資源進行組織,將知識庫和學習資源庫構建成一個有機的結構化整體,實現(xiàn)知識和資源的深度聚合。并且基于上述機制設計并實現(xiàn)了知識關聯(lián)標注系統(tǒng),完成了眾智關聯(lián)標注模塊和主題圖知識聚合模塊的開發(fā)和測試工作。
【學位授予單位】：華中師范大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：TP181;G434
【圖文】：

文章內容結構圖

３．３．１基于語義分析的知識資源關聯(lián)流程逡逑本部分利用學習資源和知識點的描述信息，基于語義分析技術實現(xiàn)學習資源和逡逑知識點間關聯(lián)。首先對知識點和學習習資源關聯(lián)關系進行結構化表示，如圖３．邋２所逡逑示，知識點本身之間具有一定的關聯(lián)關系，通過主題分析可以挖掘出知識點間的知逡逑識潛在主題，自動關聯(lián)的研[偰勘曄峭ü匝白試唇蟹執(zhí)�、磩莸统计、渔熷钒櫫x銜齙炔僮鰨罷頁鲅白試垂亓鬧噸魈�，进而堕喅铬V噸魈餑詰鬧兜閿胱叔義顯唇泄亓ヅ�，諛I(yè)接脛釹喙氐鬧兜�，完成知识自嚧关联。辶x�，邋P貳擔苠螡竛＾邋＼廣邋雌＼＼逡逑／知識潛在挑羅邋／邐、邐、，邐ｗ、邐Ｋ逡逑資源邋ｊｌｋ邐，Ｍｋ逡逑圖３．２知識資源關聯(lián)結構逡逑１７逡逑

－＾Ｊｓ＇邋ＧｓＤ邋■＞》、、、ｉ邐＼邋＞邋／邋＇邋’逡逑圖３．ｉ資源標注研究框架逡逑３．３基于語義分析的學習資源與知識點自動關聯(lián)逡逑３．３．１基于語義分析的知識資源關聯(lián)流程逡逑本部分利用學習資源和知識點的描述信息，基于語義分析技術實現(xiàn)學習資源和逡逑知識點間關聯(lián)。首先對知識點和學習習資源關聯(lián)關系進行結構化表示，如圖３．邋２所逡逑示，知識點本身之間具有一定的關聯(lián)關系，通過主題分析可以挖掘出知識點間的知逡逑識潛在主題，自動關聯(lián)的研[偰勘曄峭ü匝白試唇蟹執(zhí)�、磩莸统计、渔熷钒櫫x銜齙炔僮鰨罷頁鲅白試垂亓鬧噸魈�，进而堕喅铬V噸魈餑詰鬧兜閿胱叔義顯唇泄亓ヅ�，諛I(yè)接脛釹喙氐鬧兜�，完成知识自嚧关联。辶x�，邋P貳擔苠螡竛＾邋＼廣邋雌＼＼逡逑／知識潛在挑羅邋／邐、邐、

【相似文獻】

相關期刊論文 前10條

1 宋毅君;王瑞波;史立校;;中文分詞任務中標注集合的選擇方法[J];山西大學學報(自然科學版);2016年02期

2 王寧;;一種處理標注疊加的算法設計與實現(xiàn)[J];測繪;2019年02期

3 周彬彬;張宏軍;張睿;馮蘊天;徐有為;;軍事語料實體標注系統(tǒng)的設計與實現(xiàn)[J];信息系統(tǒng)工程;2018年08期

4 吳敬生;王靖;杜吉祥;;基于稀疏重構權的錯誤標注數(shù)據檢測方法[J];計算機工程與科學;2017年11期

5 張志武;闞德濤;;基于語義學習的自動圖像標注技術研究述評[J];情報學報;2013年10期

6 周潭;莫禮平;曾虎;雷智;李文宇;吳瑩;;方塊苗文詞性標注集的設計[J];智能計算機與應用;2019年01期

7 譚詠梅;楊林;胡單;;針對中國學生英文文章的詞性標注方法[J];北京郵電大學學報;2017年02期

8 周強;;漢語日常會話的對話行為分析標注研究[J];中文信息學報;2017年06期

9 徐浩煜;任智慧;施俊;周晗;;基于鏈式條件隨機場的中文分詞改進方法[J];計算機應用與軟件;2016年12期

10 張蕾;蔡明;;基于主題融合和關聯(lián)規(guī)則挖掘的圖像標注[J];計算機科學;2019年07期

相關會議論文 前1條

1 蘇祺;昝紅英;胡景賀;項錕;;詞性標注對信息檢索系統(tǒng)性能的影響[A];NCIRCS2004第一屆全國信息檢索與內容安全學術會議論文集[C];2004年

相關博士學位論文 前2條

1 包勝華;基于Web的實體信息搜索與挖掘研究[D];上海交通大學;2008年

2 馬建軍;面向機器翻譯的英語功能名詞短語識別研究[D];大連理工大學;2012年

相關碩士學位論文 前10條

1 徐帥;基于眾智標注的知識資源聚合研究與設計[D];華中師范大學;2018年

2 侯興興;基于多標準主動采樣策略的CNN圖像標注應用研究[D];湖南大學;2018年

3 黃思思;基于領域本體的中文信息抽取研究[D];華東師范大學;2016年

4 路暢;蛋白質功能標注中噪聲識別模型研究[D];西南大學;2017年

5 史立校;基于交叉驗證模型選優(yōu)方法的中文分詞系統(tǒng)的設計與開發(fā)[D];山西大學;2012年

6 曾冠明;基于條件隨機場的中文命名實體識別研究[D];北京郵電大學;2009年

7 劉金寧;詞性標注體系對中文分詞的影響[D];大連理工大學;2010年

8 朱曉光;基于半監(jiān)督學習的微博情感分析方法研究[D];山東財經大學;2014年

9 劉志超;漢語動賓搭配庫構建技術研究[D];沈陽航空航天大學;2011年

10 王亞騰;面向專利文本的語義依存分析[D];沈陽航空航天大學;2015年

本文編號：2804072