【技术实现步骤摘要】
一种基于主题图的知识聚合方法及系统
本专利技术属于教育
，尤其涉及一种基于主题图的知识聚合方法及系统。
技术介绍
目前，业内常用的现有技术是这样的：知识聚合是近年来教育领域、图书情报领域的一个新的研究方向，通过数据挖掘、分析等方法对可能存在关联的知识进行凝聚，来提取知识间内在关联的手段，从而构建起多维度的知识体系，依据学习资源中的关联关系对知识进行合理组织。在学习过程中，我们需要对知识进行个性化的归纳，从而形成学习者个性化的知识结构。结合已有的相关研究，目前知识聚合的研究方法主要包括以下几个方面：基于情报检索语言的聚合。一般用于进行知识聚合的情报检索语言包括元数据、主题词和分众分类法。在当前海量知识资源背景下，基于情报检索的知识聚合方法格式规范、结构性强，但同时存在高成本、可扩展性弱等问题，不能够满足当前教育大数据的计算要求。基于知识网络的聚合。对相关知识或学习资源进行特征分析、结构发现，相比于基于情报检索方式，该方法具有较强的开放性和动力性特征。基于网络的聚合方法的主要缺点是语义表现的力度不够，如何进一步实现聚合对象语义显性化是该方法的一个改进方向。基于语...
【技术保护点】
1.一种基于主题图的知识聚合方法，其特征在于，所述的基于主题图的知识聚合方法包括：通过标准知识库构建主题图：主题图基于标准知识库的元素知识元构建；构成知识元的父节点知识元组由知识元构成，再由众多父节点知识元组组合成多层父节点，构成以某个主题为基础的主题图；进行主题图的相似度计算：进行直接关联关系的知识元与知识元的关联权重计算、知识元与学习资源的关联权重计算；进行聚合关联关系的知识元组与知识元的关联权重计算、知识元组和知识元组间的关联权重计算；进行主题图的差异化程度计算：进行个性化主题图偏差程度的定义和主题图之间相似性的计算。
【技术特征摘要】
1.一种基于主题图的知识聚合方法，其特征在于，所述的基于主题图的知识聚合方法包括：通过标准知识库构建主题图：主题图基于标准知识库的元素知识元构建；构成知识元的父节点知识元组由知识元构成，再由众多父节点知识元组组合成多层父节点，构成以某个主题为基础的主题图；进行主题图的相似度计算：进行直接关联关系的知识元与知识元的关联权重计算、知识元与学习资源的关联权重计算；进行聚合关联关系的知识元组与知识元的关联权重计算、知识元组和知识元组间的关联权重计算；进行主题图的差异化程度计算：进行个性化主题图偏差程度的定义和主题图之间相似性的计算。2.如权利要求1所述的基于主题图的知识聚合方法，其特征在于，进行主题图的相似度计算中，知识元与学习资源的关联权重计算，包括：自动关联方法：其中R，K表示经过特征提取映射到语料库中的学习资源向量和知识点向量；首先将待关联的学习资源和知识点映射到语料库中，形成词频向量，然后对该向量进行特征化提取如TF-IDF特征提取以及LSA特征提取等，将处理后的向量利用向量余弦公式计算两者间的相似度；众智关联方法：其中m表示不同用户标注的关联度，Credit表示不同用户的置信度；用户的置信度与用户标注的准确率有关，标注正确的数量越多，用户贡献越多，用户的置信度会提高，反之用户的置信度会减少。3.如权利要求2所述的基于主题图的知识聚合方法，其特征在于，学习资源与知识元的关联度计算方法进一步包括：Relation(knowledge，resource)＝k1*PeopleRelatian+k2*AutoRealtionPeopleRelation表示众智方式计算得到的关联度，AutoRelation表示自动方式计算得到的关联度，k1，k2表示不同的权重系数，取值为0-1。学习资源与知识元间的关联权重为上述两者关联权重的加权和；根据关联权重进行排序，取得与该知识元最相关的学习资源，进行学习资源层面的聚合。4.如权利要求1所述的基于主题图的知识聚合方法，其特征在于，知识元组与知识元的关联权重计算方法：得到与用户手动关联知识元最相关的其他知识元，关联权重记为R(N1，A)，根据知识元计算方法还计算出R(N2，A)，R(N...
【专利技术属性】
技术研发人员：李浩，杜旭，林炳，杨娟，马燕峰，
申请(专利权)人：华中师范大学，
类型：发明
国别省市：湖北,42
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。