面向学习者的课程知识图谱融合与评价算法研究

发布时间：2024-03-24 16:01

　　随着知识图谱的普及,知识图谱已应用到多个领域,如医学领域、社会领域、科研领域等。目前也有很多学者将知识图谱应用到教育领域,取得了一些成果,但仍有改进的空间。本文将面向学习者的课程知识图谱融合与评价算法作为研究重点,将知识图谱的构建过程映射为知识学习的过程,实时跟踪学习者的学习情况,辅助教师把握学生学习动态。论文主要研究工作如下:(1)提出基于相似度计算的双邻接矩阵知识子图融合方法。该方法首先采用众包方式,利用群体智慧进行课程知识采集并进行预处理,得到约简后的子图集;其次对标记过的子图集进行相似度计算,得到相似函数,并结合双邻接矩阵,将个体知识子图融合成群体知识图谱;最后采用基于课程社区的关联挖掘方法,获得各个课程之间的潜在关系。(2)提出基于共词分析的知识子图综合评价方法。该方法首先通过对比个体知识子图与融合后的课程知识图谱,分析个体知识子图的质量,对知识子图进行评价;其次采用综合评价方法,分析学习者的学习行为数据,构建学习者综合评价模型,量化学习者的学习能力,对学习者进行综合评价。(3)对本文所提方法进行实验验证和分析。首先采用课程采集平台获取的数据集,将传统的短文本相似度计算方法应...

【文章页数】：74 页

【学位级别】：硕士

【部分图文】：

图1.1论文组织结构

图1.1论文组织结构中，本文将研究内容分为六个层次，第一层为数据层，用于知为表示层，用于知识表示，采用五元组形式来表示课程；第，用于对获取的数据进行预处理；第四层为分析层，用于子；第五层为功能层，表示本文研究工作产生的应用价值；第示本文的研究对象。

图2.1知识图谱示意图

关理论研究识图谱的构建与应用需要多种技术的支持。目前知识图谱的关键技术包括取、知识表示、知识融合、知识推理和知识评价等，本章将以知识表示、合以及知识评价技术为重点，说明其中的相关研究进展和当前研究方法的。识图谱与知识表示识图谱最早是由谷歌在2012年提出的，旨在描述真实世界中....

图2.2语义关联预测图

2相关理论研究的不断研究，知识图谱的应用已不限于此义网络，其中结点代表实体（Entity）或间的各类语义关系。知识图谱可以表{,,...,}12|E|eee，是实体集合，代表知识图,...,}|R|r，是关系集合，代表实体间有三元组集合。其中三元组集合可以是“实间的关....

图3.1数据结构部分知识图谱

谱是知识点的集合，知识图谱构建过程中一个重要环节是对知识组织方式的更高抽象，是将不同来源的数据提取一的知识图谱。本文中知识子图融合包括课程内知识子图预测。本章首先对研究中使用到的相关概念进行定义众包的知识图获取流程，最后给出课内子图融合方法和融合工作。义1.（传统子图集）.知识子....

本文编号：3937697