基于语义网的个性化网络学习服务PDF电子书下载

第1章 语义网 1

1.1概述 1

1.2语义网的特点 1

1.3体系结构 2

1.3.1 URI和Unicode 3

1.3.2 XML 4

1.3.3 RDF 4

1.3.4 Ontology 5

1.3.5 Logics、Proofs和Trust 6

1.4逻辑结构 6

1.5技术基础 7

第2章 知识本体 10

2.1基本概念 10

2.2本体类型 11

2.3描述语言 12

2.4建模元语 14

2.5本体构建方法 15

2.5.1构建规则 15

2.5.2 IDEF5 16

2.5.3骨架法 17

2.5.4七步法 18

2.6基于本体的知识获取 18

2.6.1知识获取定义 18

2.6.2知识获取途径 19

2.6.3本体构建工具 19

2.6.4工作原理 20

第3章 知识表示 22

3.1概述 22

3.1.1表示方法研究 23

3.1.2表示结构研究 24

3.2知识表示技术概述 25

3.2.1知识表示技术方法 26

3.2.2知识表示技术特征 26

3.3概念体系 27

3.3.1描述逻辑 27

3.3.2网络本体语言 28

3.3.3术语集与断言集 29

3.3.4概念体系等级关系 30

3.3.5概念体系的分类 31

3.3.6概念表示 31

3.4学习资源的知识表示体系 35

第4章 语义标注 39

4.1概述 39

4.1.1语义数据自动提取 39

4.1.2语义数据自动标注 41

4.2多文档自动摘要 42

4.2.1基本步骤 43

4.2.2评测方式 44

4.3语义数据自动提取 45

4.3.1基于命名实体识别的自动提取 45

4.3.2基于机器学习的自动提取 47

4.3.3基于启发式集成学习的自动提取 49

4.4语义数据自动标注 52

4.4.1数据转换 53

4.4.2数据加工及关联 55

4.4.3本体构建及标注 57

4.4.4知识本体集成 58

4.4.5知识本体存储及索引 60

4.4.6知识本体查询及检索 61

第5章 关联数据 62

5.1基本概念 62

5.2适用环境 63

5.3技术基础 65

5.3.1架构模式 66

5.3.2实现过程 67

5.3.3访问技术 69

5.4关联数据映射 70

5.4.1词表映射 70

5.4.2标识解析 71

5.4.3起源跟踪 72

5.5质量评估技术 72

5.5.1评估方式分类 72

5.5.2数据排名与筛选 73

5.6融合技术 74

5.6.1 LarKC系统 74

5.6.2推理过程 76

5.6.3关联数据融合 76

5.6.4缓存技术 77

5.7关联数据集成 78

5.7.1数据网络 79

5.7.2改进措施 80

第6章 个性化服务 83

6.1概述 83

6.1.1“互联网＋”概念 84

6.1.2服务模式 85

6.1.3服务体系 86

6.2基本特征 87

6.3服务结构 88

6.3.1功能结构 88

6.3.2组织结构 89

6.4自适应学习 91

6.4.1用户模型 92

6.4.2知识模型 93

6.5个性化教学评价与分析 94

6.6学习内容组织与重构 96

第7章 情境学习 98

7.1概述 98

7.1.1情境感知 98

7.1.2数据处理及推理流程 99

7.1.3情境建模的层次 100

7.2情境要素处理 102

7.2.1处理流程 102

7.2.2情境要素 103

7.2.3情境要素的分类 104

7.2.4情境要素的转换过程 105

7.3情境描述与推理 106

7.3.1推理过程 106

7.3.2情境特征提取 107

7.4关联分析与推荐 108

7.4.1关联规则分析 109

7.4.2多层关联规则分析 110

7.4.3基于ILP的多关系关联规则分析 111

7.4.4数据清理与推荐 113

7.4.5局限性和适用范围 114

7.5学习者用户模型 115

7.5.1概率方法 115

7.5.2相关反馈 117

7.5.3元数据模型 118

7.5.4知识背景提取 119

7.5.5社交关系提取 119

7.6情感倾向分析 120

7.6.1分析方法分类 120

7.6.2情感分析过程 121

7.7用户兴趣测量 123

7.7.1用户本体更新 124

7.7.2更新策略 125

第8章 推荐技术 126

8.1概述 126

8.2协同过滤推荐 127

8.3基于内容的推荐 129

8.4基于关联度的推荐 132

8.4.1关联检索 132

8.4.2相似度矩阵 134

8.4.3推荐矩阵 135

8.5混合协同过滤 136

8.5.1面向学习资源的协同过滤 137

8.5.2基于词向量的语言处理模型 139

8.5.3基于知识标签的推荐 140

8.6学习资源聚合 145

8.6.1语义提取及关联 145

8.6.2基于主题模型的聚合结构 147

8.6.3主题信息的提取 148

8.6.4基于主题信息的聚合 150

8.7数据稀疏问题 154

第9章 总结与展望 156

参考文献 158