典型文献
利用维基百科点击流的概念依赖关系识别方法
文献摘要：
学习资源中的知识概念间的依赖关系决定了每个资源在整个课程中学习顺序.当前主流的概念依赖关系挖掘方法是利用概念自身的特征进行依赖关系的识别.而用户在学习资源中的点击操作日志同样能够预示概念间依赖关系的存在.本文以维基百科为例,提出一种基于点击流的概念依赖关系识别方法,利用维基百科中用户与词条页面的交互信息,设计相关概念集合特征来预测概念间的依赖关系,在实验过程中,为了使分类器能够充分学习不同类别数据,使用过采样方法使训练集类别平衡,观察各度量指标在不同机器学习分类器上的表现,选取最佳的分类器进行后续实验.实验结果表明,本文的方法与当前研究方法相比,既保证了维基百科原始数据具有较高的概念对覆盖率,也能够有效的预测概念间的依赖关系.
文献关键词：
概念依赖关系;维基百科点击流;相关概念集合;维基百科;机器学习
中图分类号：
作者姓名：
胡成;陈昊;肖奎
作者机构：
湖北大学计算机与信息工程学院,武汉430062
文献出处：
引用格式：
[1]胡成;陈昊;肖奎-.利用维基百科点击流的概念依赖关系识别方法)[J].小型微型计算机系统,2022(10):2078-2083
A类：
维基百科点击流,点击流,概念依赖关系,相关概念集合
B类：
关系识别,学习资源,关系挖掘,挖掘方法,操作日志,预示,词条,页面,交互信息,别数,过采样,采样方法,训练集,度量指标,机器学习分类器,既保证,原始数据
AB值：
0.160762
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
