基于关系形式概念的教育资源语义模型研究
| 摘要 | 第9-12页 |
| Abstract | 第12-15页 |
| 第1章 绪论 | 第16-28页 |
| 1.1 研究背景与意义 | 第16-18页 |
| 1.2 国内外研究现状概述 | 第18-25页 |
| 1.2.1 标准元数据模型 | 第18-20页 |
| 1.2.2 关系和面向对象资源模型 | 第20-21页 |
| 1.2.3 VSM的资源模型 | 第21页 |
| 1.2.4 XML/RDFS资源模型 | 第21-22页 |
| 1.2.5 主题地图资源模型 | 第22页 |
| 1.2.6 本体资源模型 | 第22-23页 |
| 1.2.7 语义链网络资源模型 | 第23-25页 |
| 1.3 研究内容及结构安排 | 第25-28页 |
| 1.3.1 资源语义模型的研究思路 | 第25-26页 |
| 1.3.2 资源语义模型的组成 | 第26页 |
| 1.3.3 研究内容组织 | 第26-28页 |
| 第2章 资源语义模型相关技术 | 第28-39页 |
| 2.1 背景知识获取技术 | 第28-33页 |
| 2.1.1 实体概念的获取 | 第28-30页 |
| 2.1.2 概念间关系的获取 | 第30-32页 |
| 2.1.3 背景知识的评价 | 第32-33页 |
| 2.2 形式概念分析FCA | 第33-36页 |
| 2.3 文本语义特征的获取与表达 | 第36-37页 |
| 2.4 资源关联语义链网络 | 第37-38页 |
| 2.5 本章小结 | 第38-39页 |
| 第3章 基于FCA的背景知识获取与表达模型 | 第39-64页 |
| 3.1 问题的提出 | 第39-40页 |
| 3.2 相关工作 | 第40-41页 |
| 3.3 关系形式概念模型RFCM | 第41-47页 |
| 3.3.1 关系形式概念(RFC) | 第42-45页 |
| 3.3.2 谓词概念(PC) | 第45-46页 |
| 3.3.3 关系形式概念连通 | 第46-47页 |
| 3.4 基于RFCM的背景知识获取 | 第47-51页 |
| 3.4.1 关系形式概念的初始化 | 第47-48页 |
| 3.4.2 关系形式概念的扩展学习 | 第48-51页 |
| 3.5 RFCM算法实现 | 第51-52页 |
| 3.6 RFCM原型系统及验证分析 | 第52-63页 |
| 3.6.1 系统环境及系统组成 | 第52-53页 |
| 3.6.2 关系形式概念的初始化实现与分析 | 第53-56页 |
| 3.6.3 关系形式概念扩展学习实现与分析 | 第56-62页 |
| 3.6.4 获取的关系形式概念格 | 第62-63页 |
| 3.7 本章小结 | 第63-64页 |
| 第4章 基于关系形式概念的资源主题模型 | 第64-80页 |
| 4.1 问题的提出 | 第64页 |
| 4.2 相关工作 | 第64-65页 |
| 4.3 关系形式概念主题模型(RFCTM) | 第65-69页 |
| 4.4 RFCTM的资源主题抽取策略 | 第69页 |
| 4.4.1 词条主题文本离散主题计算 | 第69页 |
| 4.4.2 离散主题的连通合并 | 第69页 |
| 4.5 算法实现 | 第69-71页 |
| 4.6 实验与评测 | 第71-79页 |
| 4.6.1 实验环境 | 第71页 |
| 4.6.2 实验数据 | 第71-72页 |
| 4.6.3 实验结果分析 | 第72-76页 |
| 4.6.4 RFCTMS的教育资源应用示例 | 第76-79页 |
| 4.7 本章小结 | 第79-80页 |
| 第5章 教育资源语义模型 | 第80-96页 |
| 5.1 问题的提出 | 第80-81页 |
| 5.2 相关工作 | 第81-83页 |
| 5.2.1 人类记忆认知基础 | 第81-82页 |
| 5.2.2 人类记忆认知启示 | 第82-83页 |
| 5.3 教育资源关联语义链网络 | 第83-88页 |
| 5.3.1 模型整体框架与特点 | 第83-85页 |
| 5.3.2 资源关联语义链网络构建 | 第85-88页 |
| 5.4 教育资源标识步骤 | 第88-89页 |
| 5.5 算法实现 | 第89-90页 |
| 5.6 实验与评测 | 第90-95页 |
| 5.6.1 实验环境 | 第90页 |
| 5.6.2 实验数据 | 第90-91页 |
| 5.6.3 实验结果及分析 | 第91-95页 |
| 5.7 本章小结 | 第95-96页 |
| 第6章 教育资源语义模型的扩展 | 第96-110页 |
| 6.1 问题的提出 | 第96页 |
| 6.2 相关技术 | 第96-98页 |
| 6.3 KALN的扩展 | 第98-101页 |
| 6.3.1 KALN扩展策略 | 第98-100页 |
| 6.3.2 KALN具体扩展步骤 | 第100-101页 |
| 6.4 RALN的扩展 | 第101-102页 |
| 6.5 KALN与RALN的增量扩展 | 第102-103页 |
| 6.6 模型扩展算法实现 | 第103-105页 |
| 6.7 实验与评测 | 第105-109页 |
| 6.7.1 实验环境 | 第105页 |
| 6.7.2 实验数据 | 第105页 |
| 6.7.3 实验结果及分析 | 第105-109页 |
| 6.8 本章小结 | 第109-110页 |
| 第7章 结论与展望 | 第110-113页 |
| 参考文献 | 第113-119页 |
| 攻读博士期间取得的成果 | 第119-120页 |
| 致谢 | 第120页 |
