基于本体的VSM在兴趣型学习社区分组中的应用

• 作者: 何一文 程艳 许维胜 赵斐
• 来源期刊: 同济大学学报（自然科学版）
• 学科: 工学
• 关键词: 分组算法 本体 兴趣特征 向量空间模型 概念索引法
• 年，卷（期）: 2010,（5）
• 所属期刊栏目: 计算机与信息工程
• 页码范围: 736-743
• 分类号: TP391
• 字数: 7513字
• 语种: 中文
• DOI: 10.3969/j.issn.0253-374x.2010.05.019

摘要

采用语义网络技术,提出了基于本体的向量空间模型(VSM),计算学习者的兴趣向量,克服了传统的VSM有术语间语义相关性被忽略的不足,提高了兴趣相似性比较的精确程度,同时提出了一种基于学习者兴趣相似匹配度和学习者兴趣匹配浓度的学习社区自组织分组算法.针对模型使用本体中的概念构造向量空间表现出的巨大维数,运用概念索引降维法对兴趣特征矩阵进行合理降维,大大降低了计算的复杂性.最后通过应用案例验证分析了该模型算法具有较高的分组效率和良好的扩展性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	许维胜	同济大学电子与信息工程学院	153	1846	22.0	38.0
2	何一文	同济大学电子与信息工程学院	8	55	6.0	7.0
3	程艳	同济大学电子与信息工程学院	9	207	5.0	9.0
7	赵斐	同济大学经济与管理学院	6	22	3.0	4.0