本发明公开了一种从课件文本自动抽取知识单元间学习依赖关系的方法。
该方法通过处理知识单元对应课件中的文本,首先得到候选术语集合。
接着,处理候选术语集合中的同义术语。
然后,计算每个术语对知识单元的关键程度。
基于以上分析,构建最优化模型。
通过求解该模型,得到最优化的学习依赖关系抽取模型。
此模型能够对课件文本进行自动分析,识别出文本中的术语。
同时,计算出术语对知识单元的关键程度。
并且,通过最优化术语之间的关系,得到学习依赖关系挖掘的模型。
此过程不依赖于学习依赖关系的局部性。
因此,能够用来挖掘主题关联较远的知识单元之间的学习依赖关系。
最终,为学习者提供更为完整的知识导航服务。
| 专利名称 | 一种从课件文本自动抽取知识单元间学习依赖关系的方法 | ||
|---|---|---|---|
| 专利状态 | - | 专利号(申请号) | CN201610874480.3 |
| 申请号 | - | 专利申请日期 | 2016-09-30 |
| 专利授权日期 | 2017-05-10 | 专利权届满日 | - |
| 专利所属地 | 中国 | 专利类型 | 发明专利 |
| 发明人 | 魏笔凡;王晨晨;刘均;郑庆华;曾宏伟;姚思雨;吴蓓;石磊;郭朝彤 | ||
| 权利人 | - | ||
| 专利摘要 | 本发明公开了一种从课件文本自动抽取知识单元间学习依赖关系的方法,通过处理知识单元对应课件中的文本,得到候选术语集合,然后处理候选术语集合中的同义术语,并计算每个术语对知识单元的关键程度,构建出最优化模型,通过求解得到最优化的学习依赖关系抽取模型,能够对课件文本进行自动分析,识别出文本中的术语并计算出术语对知识单元的关键程度,并通过最优化术语之间的关系得到学习依赖关系挖掘的模型,该过程不依赖于学习依赖关系的局部性,能够用来挖掘主题关联较远的知识单元之间的学习依赖关系,为学习者提供更为完整的知识导航服务。 | ||