论文部分内容阅读
海量的学习资源会引起用户在学习过程中产生认知过载和资源迷航,对数据、信息和知识等形态的资源的原始表述的自然语言的机器理解、自动处理、自动综合和自动分析等成为了巨大的挑战。从应对自动增量式结合经验知识和减少人工专家交互负担等两个方面考虑,本文从资源建模、资源处理、处理优化和资源管理等角度进行研究,基于对现有知识图谱(Knowledge Graph)概念的拓展提出了一种三层可自动抽象调整的解决架构。该架构借助从数据图谱上以实体综合频度计算为核心的分析到信息图谱和知识图谱上的自适应的自动抽象的资源优化过程支持经验知识引入和高效自动语义分析。该框架借助对应5W(谁(Who)/何时(When)/何地(Where)、什么(What)和如何(How))问题的分类接口衔接用户的学习需求等资源化描述,为用户提供个性化学习服务推荐。