-
公开(公告)号：CN106649259B
公开(公告)日：2019-05-24
申请号：CN201610874480.3
申请日：2016-09-30
Applicant: 西安交通大学
Abstract: 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。
-
公开(公告)号：CN106649259A
公开(公告)日：2017-05-10
申请号：CN201610874480.3
申请日：2016-09-30
Applicant: 西安交通大学
CPC classification number: G06F17/277 , G06F16/36 , G06F16/374 , G06F17/2264 , G06F17/2715 , G06F17/2795
Abstract: 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。
-
公开(公告)号：CN103778238A
公开(公告)日：2014-05-07
申请号：CN201410040234.9
申请日：2014-01-27
Applicant: 西安交通大学
IPC: G06F17/30
CPC classification number: G06F17/30938
Abstract: 本发明公开了一种从维基百科半结构化数据自动构建分类树的方法，包括(1)半结构化数据的抽取，通过分析获取到页面的HTML，识别出含有半结构化数据的页面。(2)半结构化数据中上下位关系的抽取，依据维基目录页面的布局特点，获取其中包含的上下位关系；解析HTML元素，依据导航表的结构，获取表格中包含的上下位关系。(3)源于不同半结构化数据的上下位关系融合，依据抽取到的上下位关系集构建向无权简单图，然后基于图的深度优先遍历算法生成分类树。本发明能够自动抽取维基页面中的上下位关系，并构建分类树，减少领域专家构建的成本，充分重用了志愿者手工构建的上下位关系。
-
公开(公告)号：CN103778238B
公开(公告)日：2015-03-04
申请号：CN201410040234.9
申请日：2014-01-27
Applicant: 西安交通大学
IPC: G06F17/30
Abstract: 本发明公开了一种从维基百科半结构化数据自动构建分类树的方法，包括(1)半结构化数据的抽取，通过分析获取到页面的HTML，识别出含有半结构化数据的页面。(2)半结构化数据中上下位关系的抽取，依据维基目录页面的布局特点，获取其中包含的上下位关系；解析HTML元素，依据导航表的结构，获取表格中包含的上下位关系。(3)源于不同半结构化数据的上下位关系融合，依据抽取到的上下位关系集构建有向无权简单图，然后基于有向无权简单图的深度优先遍历算法生成分类树。本发明能够自动抽取维基页面中的上下位关系，并构建分类树，减少领域专家构建的成本，充分重用了志愿者手工构建的上下位关系。
-
-
-
Search Results
4
records
(took 0.024 seconds)
