[发明专利]一种从课件文本自动抽取知识单元间学习依赖关系的方法

权利要求书

1.一种从课件文本自动抽取知识单元间学习依赖关系的方法，其特征在于，包括以下步骤：

1)基于互信息的候选术语生成：首先将课件文档转换成文本格式，并进行分词处理；然后利用互信息衡量相邻词汇结合的紧密程度，并对结合紧密的词汇进行合并处理，从而得到候选术语集合；

2)基于维基百科的同义术语约减：爬取术语对应的维基百科页面，利用维基百科页面中的重定向标志和多语言链接，对同义术语进行约减处理；

3)术语关键程度度量：首先计算每个术语对应的TF-IDF参数值，然后利用知识单元名称特征和格式特征对TF-IDF参数值进行加权处理，以此衡量每个术语对知识单元的关键程度；

4)最优化模型构建及求解：建立知识单元之间学习依赖关系与术语关系之间的定量表示，将模型求解问题转化为最优化问题，构建出最优化的目标函数，并利用梯度下降算法进行模型求解，完成从课件文本自动抽取知识单元间学习依赖关系；

所述步骤3)包括以下步骤：

3.1)对候选术语集合CT'中的每一个术语，通过TF-IDF指标计算其对每个知识单元的基本关键程度，TF-IDF指标计算公式为：式中：f_ij表示术语i在文档d_j中的词频；df_i表示术语i的文档词频；N表示文档总数；n_i表示文档中出现术语i的文档数；

3.2)基于知识单元名称的加权：通过考察术语是否出现在知识单元名称中对原始的TF-IDF参数进行加权，加权公式为：Name_i,j＝w_name×b_i,j，式中：w_name表示知识单元名称加权权重；b_i,j表示术语i是否出现在知识单元j的名称中；

3.3)基于格式特征的加权：通过术语所在位置的字体大小，对术语的关键程度进行加权处理，加权公式如下：式中：w_font表示字体大小加权权重；k表示知识单元j对应课件中所有不同字体大小；f_i,k表示术语i是否以字体大小k出现；rank_k表示所有字体大小逆序排序后，字体大小k的排序值；

3.4)通过知识单元名称以及课件字体对原始TF-IDF参数进行综合加权，得到术语关键程度，加权的公式为：score_i,j＝w_i,j×(1+Name_i,j+Font_i,j)，式中：score_i,j表示术语i对知识单元j的关键程度；

所述步骤4)包括以下步骤：

4.1)目标函数构建：对于知识单元i和知识单元j，通过下式衡量它们之间存在学习依赖关系的可能性：式中：x_i是由所有术语对知识单元i的关键程度构成的向量，向量中每一个元素代表相应术语对知识单元i的关键程度；A矩阵代表模型的参数；

对知识单元i，设集合Ω_i＝{(i,j)|y_ij＝1,j＝1,2,...,n}是所有与知识单元i存在学习依赖关系的知识单元与知识单元i组成的节点对，集合为所有与知识单元i不存在学习依赖关系的知识单元与知识单元i组成的节点对，令定义如下最优化问题：

式中：X是一个矩阵，矩阵中第i行由构成；(1-v)₊代表hinge损失函数；||A||_F代表矩阵A的弗罗贝尼乌斯范数；

4.2)模型求解：对最优化问题，使用加速梯度下降进行求解：

令，则原目标函数写成：公式对A求导，得到梯度：

式中：e_i、e_j、e_k都是单位向量；

4.3)学习依赖关系挖掘：通过步骤4.2)得到模型的最优化参数A矩阵，对于任意两个知识单元，通过最优化模型判断它们之间是否存在学习依赖关系。