| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 MOOC | 第11页 |
| 1.2.2 知识图谱 | 第11-13页 |
| 1.3 论文的研究内容和创新点 | 第13-14页 |
| 1.4 论文的组织结构 | 第14-15页 |
| 第二章 知识图谱构建综述 | 第15-27页 |
| 2.1 知识图谱定义及应用 | 第15-17页 |
| 2.1.1 知识图谱的定义 | 第15页 |
| 2.1.2 知识图谱的应用 | 第15-17页 |
| 2.2 知识图谱的数据来源 | 第17-19页 |
| 2.2.1 知识图谱的数据来源 | 第17-18页 |
| 2.2.2 不同数据的分析比较 | 第18-19页 |
| 2.3 实体识别的主要方法 | 第19-22页 |
| 2.3.1 基于规则的方法 | 第19页 |
| 2.3.2 基于统计的机器学习方法 | 第19-22页 |
| 2.3.3 规则和统计相结合的方法 | 第22页 |
| 2.4 关系抽取的主要方法 | 第22-26页 |
| 2.4.1 基于知识库的方法 | 第23页 |
| 2.4.2 基于机器学习的方法 | 第23-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 基于MOOC的高等教育知识图谱的实体识别 | 第27-37页 |
| 3.1 知识图谱实体类型的构建 | 第27页 |
| 3.2 从纯文本实体识别的实现 | 第27-31页 |
| 3.2.1 实体识别模块设计 | 第27-29页 |
| 3.2.2 基于TF-IDF的课程向量 | 第29-30页 |
| 3.2.3 K-means聚类 | 第30-31页 |
| 3.2.4 t-SNE降维 | 第31页 |
| 3.3 实体识别实验结果及分析 | 第31-35页 |
| 3.3.1 课程组抽取结果 | 第31-33页 |
| 3.3.2 知识点识别的结果 | 第33-34页 |
| 3.3.3 参考书籍识别结果 | 第34-35页 |
| 3.4 本章小结 | 第35-37页 |
| 第四章 基于MOOC的高等教育知识图谱的关系抽取 | 第37-45页 |
| 4.1 知识图谱的实体关系类型的构建 | 第37页 |
| 4.2 从纯文本中抽取实体关系的实现 | 第37-41页 |
| 4.2.1 非结构化资源的知识学习 | 第38页 |
| 4.2.2 VSM(向量空间)模型 | 第38-39页 |
| 4.2.3 课程逻辑关系抽取模块设计 | 第39-41页 |
| 4.3 实体关系抽取实验结果及分析 | 第41-42页 |
| 4.3.1 顺序关系抽取结果 | 第41页 |
| 4.3.2 对比关系抽取结果 | 第41-42页 |
| 4.4 本章小结 | 第42-45页 |
| 第五章 基于MOOC的高等教育的知识图谱的实现与应用 | 第45-57页 |
| 5.1 知识图谱构建整体框架 | 第45页 |
| 5.2 数据获取模块 | 第45-47页 |
| 5.2.1 数据采集过程 | 第46-47页 |
| 5.2.2 数据分析 | 第47页 |
| 5.2.3 数据处理 | 第47页 |
| 5.3 知识图谱结构 | 第47-48页 |
| 5.4 知识图谱可视化 | 第48-49页 |
| 5.4.1 知识图谱的可视化 | 第48-49页 |
| 5.4.2 轮子视图 | 第49页 |
| 5.5 培养方案的生成 | 第49-56页 |
| 5.5.1 KNN分类器 | 第50-51页 |
| 5.5.2 自动抽取培养方案的实现 | 第51-52页 |
| 5.5.3 培养方案的生成结果及分析 | 第52-56页 |
| 5.6 本章小结 | 第56-57页 |
| 第六章 总结与展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-65页 |
| 攻读硕士学位期间发表的学术论文目录 | 第65页 |