[发明专利]一种多标签学习资源关联度定量计算方法

摘要

本发明公开了一种多标签学习资源关联度定量计算方法，1）学习资源语义化模型的建立；2）学习资源的相似性、相关性评估；3）多标签学习资源学习资源间相似度、相关度计算。本发明本文通过分析多知识点标引学习资源的结构特点，从学习资源间包含相同知识点的重合度计算相似度；从异同知识点间的语义、结构等属性计算相关度，从而形成学习资源间的关联度定量评估和计算方法，为学习资源的关联分析和关联检索奠定了研究基础。

主权项

一种多标签学习资源关联度定量计算方法，其特征在于：其计算方法如下：1）明确学习资源的多标签属性：则，其形式化描述为：R = [{( k₁, A₁)，( k₂, A₂)，……，( k_i, A_i)}，k_i ∉ ∅]其中：Ki表示资源R包含的知识点i；Ai表示知识点i在资源R中的权重；2）学习资源的语义建模：将学习资源的语义建模框架分为学习资源层、语义描述层、教育本体层；其中，语义描述层对学习资源的语义信息进行了描述，是对跨媒体形态的异构学习资源的抽象；教育本体层描述了教育领域中固有的概念以及概念之间的关联；给定本体库的关系集合C和知识点集合K，不失一般性，对任意关系c形成的有向无环图，可表示为G_c=(K,C_c)，其中k ₁, k₂,…, k_|K|∈K为本体知识结点，<k_i, k_j>∈C_c为本体知识结点i和j之间的关系属性；当两个知识点间直接关联时，两者之间的路径可以表示为：path(C_c, k_i, k_j)=< k_i, k_j >，其中，< k_i, k_j >∈C_c；当两个知识点间接关联时，两者之间的路径可以表示为：path(G_c, k₁, k_n) = <k₁, k₂,…, k_n>，其中<k₁, k₂>，<k₂, k₃>，…，<k_n‑1, k_n>∈C_c；3）相似性评估：学习资源的相似性评估，从形式化上，多知识点标签表现为学习资源模型的k_i分量，两个学习资源在多知识点标签上的“重合”部分，即相同知识点，直接预示了学习资源之间在内容上的语义相似性，用集合K_e表示；另一方面，相同知识点的A_i分量部分，则进一步体现了对应知识点对学习资源的权重；其中，学习资源相似性计算公式如下：Sim(r₁,r₂) = Sim_e(r₁,r₂) * Wei_e(r₁,r₂)其中，Sim_e(r₁,r₂) ∈[0,1]表示相同知识点的数目占总标注知识点数目的比例； Wei_e(r₁,r₂)∈[0,1]，表示相同知识点在总标注资源中的综合权重；4）相关性评估：将从资源间异同知识点在本体库中保持直接关联关系及间接关联关系两个方面计算学习资源相关度，计算公式如下：Rel(r₁,r₂) = Rel(K_d1,K_d2)其中，Rel(K_d1,K_d2)∈[0,1]表示基于异同知识点标签的语义相关度；5）多标签学习资源的相似度计算：相同知识点占总标注知识点比例的资源相似度计算如下：其中，ECount为资源r₁与r₂相同知识点的个数，为资源r₁与r₂包含所有知识点个数；知识点对资源的权重，假设(k_i,k_i’)为标注资源r₁与r₂相同知识点对，并且k_i在资源r₁与r₂中的权重为（A_i,A_i’），则资源中相同知识点的综合权重相计算如下：Wei_e(r₁,r₂)其中，id(K_e)表示资源r₁与r₂中相同知识点的编号；6）多标签学习资源的知识点间相关度计算：多标签学习资源的相关度，考察资源间异同知识点在知识点本体库中的相关程度；对教育领域知识本体库O及关系集C和知识点集K，知识点k_i和k_j相关度计算存在两种情况，分别为k_i和k_j存在直接关联和存在间接关联；7）学习资源间相关度计算：对于多知识点标签资源r₁和r₂，通过映射知识点的相关度到资源间的相关度，映射公式如下：Rel_L(r₁,r₂)=其中，K_n为仅在资源r₁或r₂中标注的知识点集；函数dist()定义知识点标签L_r,k1和L_r,k2的语义距离，用欧氏距离公式计算；两个n维向量r₁(k₁₁,k₁₂,…,k_1n) 与r₂ (k₂₁,k₂₂,…,k_2n)间的欧氏距离：dist=。