基于属性关系深度挖掘的试题知识点标注模型

• 作者: 何彬 夏盟 曾致中 李心宇 陈蓓蕾
• 来源期刊: 南京信息工程大学学报
• 学科: 工学
• 关键词: 知识点标注 属性关系挖掘 句法语义模型 结构语义模型 蒙特卡罗树搜索
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 研究性论文
• 页码范围: 727-734
• 页数: 8页
• 分类号: TP391
• 字数: 7819字
• 语种: 中文
• DOI: 10.13878/j.cnki.jnuist.2019.06.011

摘要

在各类在线学习系统中,为了给学生提供优质的学习资源,一个基础性的任务是对大量未标注的试题进行知识点标注.已有标注方法通常基于人工专家标注或者采用传统机器学习方法.在实际应用中,这些方法普遍存在成本过高、标注精准度不足等局限.为此,本文提出了一种基于属性关系深度挖掘的试题知识点标注模型.首先,利用句法语义模型和结构语义模型分别从试题文本和试题图形中抽取试题的显性属性关系.然后,利用蒙特卡罗树搜索构建问题求解框架,挖掘试题的隐含属性关系.最后,结合学科知识图谱,将属性关系映射到知识图谱空间,生成试题知识点.实验结果表明,所提出的方法能够有效地进行试题知识点标注,将对学生认知诊断、个性化试题推荐等具有一定的实际应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何彬	华中师范大学国家数字化学习工程技术研究中心	5	13	2.0	3.0
2	夏盟	华中师范大学国家数字化学习工程技术研究中心	3	0	0.0	0.0
3	李心宇	华中师范大学国家数字化学习工程技术研究中心	1	0	0.0	0.0
4	陈蓓蕾	湖北大学教育学院	4	41	3.0	4.0
5	曾致中	华中师范大学国家数字化学习工程技术研究中心	4	4	1.0	2.0