一种基于知识关联的主题图冲突检测方法及系统技术方案

本发明专利技术属于教育技术领域，公开了一种基于知识关联的主题图冲突检测方法及系统，包括：计算主题图中知识元间的相关性Rk，采用的方法是基于路径和深度的知识元关联关系的计算；计算主题图中的知识元所关联的资源组(含知识元)间的相关性Rr，结合知识元所关联的资源描述信息来进行计算知识元间的相似性；计算Rk与Rr的偏差一致性，利用基于路径与深度的方式计算所得出的知识元之间的相关性Rk与利用资源组多维描述信息标签所构建词向量计算得到的相关性Rr计算两者在偏差程度上的一致性。本发明专利技术助于增强知识结构梳理以及知识所关联的资源的关联性，有助于学习者更好、更快的构建个性化的知识体系。

【技术实现步骤摘要】
一种基于知识关联的主题图冲突检测方法及系统
本专利技术属于教育
，尤其涉及一种基于知识关联的主题图冲突检测方法及系统。
技术介绍
目前，业内常用的现有技术是这样的：主题图是有效的进行知识聚合方法之一，其最大的优点就在于可以充分发挥主题构建者对于知识组成和知识范围的自定义。以此让学习者在学习的过程中对于知识结构梳理以及知识所关联的资源有着较强的关联性，有助于学习者进行快速构建个性化的知识体系。但是局限于学习者学习的深度和认知广度对应实际构建知识体系存在不合理性，在此种情境下，会存在着两种情况，一是元组的名称和标识因为是由构建者所自定义，可能会是出现了定义的偏差；二是元组下所关联的知识元个别关联到错误的范围，从而导致此知识元组下所有关联的知识元间可能存在不一致性，可能会存在着大部分的知识元和小部分知识元所代表的知识所属范围不在同一个知识元组的描述范围之下。所以通过学习者构建的主题图，可能存在不合理性，容易让主题图所表示的知识领域范围存在不一致性。综上所述，现有技术存在的问题是：如果采用构建主题图的方式不同所采用冲突检测的方式便不一样，如如果采用基于知识图谱的方式来构建首先其数据结构的组成方式便不同，且知识图谱适用于大规模关系构建，对于构建个性化主题图从构建的实体数量和关系方面便不合适，其适用于大规模语义关系描述，且知识图谱的描述框架主要是由三元组构成，以及关系schema约束，需要有完整的语义网的解决方案，构建起来费时费力。现有的主题图局限于学习者学习的深度和认知广度对应实际构建知识体系存在不合理性，在此种情境下，会存在着两种情况：(1)元组的名称和标识因为是由构建者所自定义，可能会是出现了定义的偏差；(2)元组下所关联的知识元个别关联到错误的范围，导致此知识元组下所有关联的知识元间可能存在不一致性，可能会存在着大部分的知识元和小部分知识元所代表的知识所属范围不在同一个知识元组的描述范围之下；所以通过学习者构建的主题图，可能存在不合理性，容易让主题图所表示的知识领域范围存在不一致性。解决上述技术问题的难度和意义：本专利技术所提出的基于知识关联的主题图冲突检测方法难度在于对于主题图中每一个知识元和知识元组都需要构建基于向量的相似性，以及采用资源组描述信息来扩展对知识元组的表述。而其意义在于能够实时快速的识别学习者构建知识元组与资源合理关系，及时的为学习者提供构建建议，使得其所构建的个性化主题图更具合理性更符合规范。
技术实现思路
针对现有技术存在的问题，本专利技术提供了一种基于知识关联的主题图冲突检测方法及系统。本专利技术是这样实现的，一种基于知识关联的主题图冲突检测方法，包括：采用基于路径和深度的知识元关联关系的方法计算主题图中知识元间的相关性Rk；计算主题图中的知识元所关联的资源组间的相关性Rr，并结合知识元所关联的资源描述信息进行计算知识元间的相似性；利用基于路径与深度的方式计算所得出的知识元之间的相关性Rk与利用资源组多维描述信息标签所构建词向量计算得到的相关性Rr计算Rk与Rr在偏差程度上的一致性。进一步，基于路径和深度的知识元关联关系计算主题图中知识元间的相关性中，从信息理论的角度用公式表示结构中的主题图公式其中，common(k1，k2)表示的知识元k1与K2在主题图中的共同性，diff(k1,k2)表示k1与k2在主题图中的差异性；common(k1，k2)和diff(k1，k2)的计算公式如下common(k1，k2)＝γ+Depth(RCP(k1，k2))diff(k1，k2)＝β+P(k1,k2)其中，P(k1，k2)＝Rk1+Rk2,表示知识元k1和k2之间的最短路径，γ为深度调节参数，β为路径调节参数，Depth(RCP(k1，k2))表示k1和k2的最近公共节点的深度；将公式common(k1，k2)＝γ+Depth(RCP(k1，k2))、diff(k1，k2)＝β+P(k1,k2)带入到公式中所得进一步，计算主题图中的知识元所关联的资源组间的相关性Rr，并结合知识元所关联的资源描述信息进行计算知识元间的相似性，具体包括：1)主题图KG＝[C1，C2，...，Ci]i∈n把表征某知识元的组织单元中Ci的名称、描述标签、描述内容进行分词和词性标注处理，并过滤掉停用词，只保留指定词性的单词，构建一组描述知识元的词组，此类词组都是由名词、动词、形容词组成，这些词语已经存在，构成Ci＝[ti，1，ti，2，...，ti，n],其中Ci表示的某个是由知识元和知识元所关联的所有标签信息表征的集合，其中ti，j是已经保留后的关键词；2)构建候选关键词图G＝(V,E),其中V为节点集，由1中生成的候选关键词组成，然后采用共现关系(co-occurrence)构造任两点之间的边，两个节点之间存在边仅当两个节点对应的词汇在长度为N的窗口中出现，N表示窗口大小，最多共现N个单词；3)根据TextRank算法迭代传播各个节点的权重，直至收敛；TextRank算法为：4)对节点权重进行倒叙排序，得到最重要的m个关键词，作为表征关键词；通过提取表征知识元Ki的关键词摘要后所得到的关键词集合TCi＝[ti，1，ti，2，...，ti，m]；如果计算知识元Ki与Kj的相似性，则计算关键词集合TCi、TCj的相似性；单个关键词表示的相似性进一步，计算Rk与Rr的的偏差一致性，包括：通过两种不同方式方法即第一种采用基于路径和深度的方式计算知识元组间的相似性与第二种采用基于知识元所关联的资源组(含知识元)间的相似性，结合知识元所关联的资源描述信息来进行计算知识元间的相似性所计算得到的主题图中知识元Ki与知识元Kj之间相似性，如果此两个知识元在主题图中所处的结构中的相对位置偏差较大，则按照主题图构建的方式通过知识元和资源组表征所对比的相似性，得的最终两种相似性比值ψ趋于1附近的值；Rk和Rr分别表示的是基于路径与深度的方式计算所得出的知识元之间的相关性和计算主题图中的知识元所关联的资源组间的相关性。ψ表示的是整体偏差系数。本专利技术的另一目的在于提供一种实现所述基于知识关联的主题图冲突检测方法的计算机程序。本专利技术的另一目的在于提供一种实现所述基于知识关联的主题图冲突检测方法的信息数据处理终端。本专利技术的另一目的在于提供一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行所述的基于知识关联的主题图冲突检测方法。本专利技术的另一目的在于提供一种基于知识关联的主题图冲突检测系统包括：主题图中知识元间的相关性计算模块，采用基于路径和深度的知识元关联关系的方法计算主题图中知识元间的相关性Rk；资源组间的相关性计算模块，计算主题图中的知识元所关联的资源组间的相关性Rr，并结合知识元所关联的资源描述信息进行计算知识元间的相似性；偏差程度一致性计算模块，利用基于路径与深度的方式计算所得出的知识元之间的相关性Rk与利用资源组多维描述信息标签所构建词向量计算得到的相关性Rr计算Rk与Rr在偏差程度上的一致性。本专利技术的另一目的在于提供一种搭载所述基于知识关联的主题图冲突检测系统的教育平台。本专利技术的另一目的在于提供一种搭载所述基于知识关联的主题图冲突检测系统的计算机。综上所述，本专利技术的优点及积极效果为：本专利技术主要聚焦解决构建节点数相本文档来自技高网...

【技术保护点】
1.一种基于知识关联的主题图冲突检测方法，其特征在于，所述基于知识关联的主题图冲突检测方法包括：采用基于路径和深度的知识元关联关系的方法计算主题图中知识元间的相关性Rk；计算主题图中的知识元所关联的资源组间的相关性Rr，并结合知识元所关联的资源描述信息进行计算知识元间的相似性；利用基于路径与深度的方式计算所得出的知识元之间的相关性Rk与利用资源组多维描述信息标签所构建词向量计算得到的相关性Rr，计算Rk与Rr在偏差程度上的一致性。

【技术特征摘要】
1.一种基于知识关联的主题图冲突检测方法，其特征在于，所述基于知识关联的主题图冲突检测方法包括：采用基于路径和深度的知识元关联关系的方法计算主题图中知识元间的相关性Rk；计算主题图中的知识元所关联的资源组间的相关性Rr，并结合知识元所关联的资源描述信息进行计算知识元间的相似性；利用基于路径与深度的方式计算所得出的知识元之间的相关性Rk与利用资源组多维描述信息标签所构建词向量计算得到的相关性Rr，计算Rk与Rr在偏差程度上的一致性。2.如权利要求1所述的基于知识关联的主题图冲突检测方法，其特征在于，基于路径和深度的知识元关联关系计算主题图中知识元间的相关性中，从信息理论的角度用公式表示结构中的主题图公式其中，common(k1，k2)表示的知识元k1与K2在主题图中的共同性，diff(k1，k2)表示k1与k2在主题图中的差异性；common(k1，k2)和diff(k1，k2)的计算公式如下common(k1，k2)＝γ+Depth(RCP(k1，k2))diff(k1，k2)＝β+P(k1，k2)其中，P(k1，k2)＝Rk1+Rk2，表示知识元k1和k2之间的最短路径，γ为深度调节参数，β为路径调节参数，Depth(RCP(k1，k2))表示k1和k2的最近公共节点的深度；将公式common(k1，k2)＝γ+Depth(RCP(k1，k2))、diff(k1，k2)＝β+P(k1，k2)带入到公式中得3.如权利要求1所述的基于知识关联的主题图冲突检测方法，其特征在于，计算主题图中的知识元所关联的资源组间的相关性Rr，并结合知识元所关联的资源描述信息进行计算知识元间的相似性，具体包括：1)主题图KG＝[C1，C2，...，Ci]i∈n把表征某知识元的组织单元中Ci的名称、描述标签、描述内容进行分词和词性标注处理，并过滤掉停用词，只保留指定词性的单词，构建一组描述知识元的词组，此类词组都是由名词、动词、形容词组成，这些词语已经存在，构成Ci＝[ti，1，ti，2，...，ti，n]，其中Ci表示的某个是由知识元和知识元所关联的所有标签信息表征的集合，其中ti，j是已经保留后的关键词；2)构建候选关键词图G＝(V，E)，其中V为节点集，由1中生成的候选关键词组成，然后采用共现关系(co-occurrence)构造任两点之间的边，两个节点之间存在边仅当两个节点对应的词汇在长度...

【专利技术属性】
技术研发人员：杨宗凯，杜旭，李浩，林炳，付一迪，
申请(专利权)人：华中师范大学，
类型：发明
国别省市：湖北,42