基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
在互联网技术高度发达的时代,网络上的学习资源呈现出指数型增长态势,面对各种学习对象、概念之间存在的多样化和无序性,如果能识别出之间的依赖关系,将有可能对计算机教育产生重要影响.针对该问题,提出一种面向维基百科的概念依赖关系识别方法,利用概念在维基百科中的特点,设计出一套识别概念依赖关系模型,在公共数据集上采用基于机器学习的分类算法进行测试.实验结果表明,该模型具有较高准确率和召回率,能够有效发现概念之间的依赖关系.
推荐文章
基于维基百科网络技术的概念语义网络构建
维基百科
概念语义网络
概念提取
概念关系提取
网络技术
基于维基百科的领域概念语义知识库的自动构建方法
维基百科
语义知识库
关键词抽取
语义相似度计算
随机游走
维基百科研究综述
复杂网络
演化规律
统计性质
维基百科
基于维基百科的语义知识库及其构建方法研究
维基百科
语义挖掘
知识库
文本挖掘
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 面向维基百科的概念依赖关系挖掘方法
来源期刊 重庆大学学报 学科 工学
关键词 维基百科 概念依赖关系 机器学习 自然语言处理
年,卷(期) 2020,(7) 所属期刊栏目
研究方向 页码范围 111-120
页数 10页 分类号 TP311
字数 语种 中文
DOI 10.11835/j.issn.1000-582X.2020.012
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 曾诚 湖北大学计算机与信息工程学院 29 231 8.0 15.0
2 周洋 湖北大学计算机与信息工程学院 12 22 3.0 4.0
3 肖奎 湖北大学计算机与信息工程学院 4 9 2.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (5)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1988(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(1)
  • 参考文献(1)
  • 二级参考文献(0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
维基百科
概念依赖关系
机器学习
自然语言处理
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
重庆大学学报
月刊
1000-582X
50-1044/N
大16开
重庆市沙坪坝正街174号
78-16
1960
chi
出版文献量(篇)
6349
总下载数(次)
8
总被引数(次)
85737
论文1v1指导