期刊导航
期刊开放获取
vip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于本体兴趣特征向量空间模型的社区自组织算法
被引量：
5
1
作者
程艳
许维胜
+1 位作者
杨继君
何一文
《系统工程》
CSCD
北大核心
2009年第5期96-103,共8页
为了解决远程教育不可避免地产生的"孤独"学习者的问题,把具有相同学习兴趣的学习者组织到同一个学习社区中进行协作式学习。学习社区建立的重点和难点在于学习者之间相似关系的判定和计算,针对传统的向量空间模型中术语间语...
为了解决远程教育不可避免地产生的"孤独"学习者的问题,把具有相同学习兴趣的学习者组织到同一个学习社区中进行协作式学习。学习社区建立的重点和难点在于学习者之间相似关系的判定和计算,针对传统的向量空间模型中术语间语义相关性被忽略的不足,提出基于本体的向量空间模型来计算学习者的兴趣特征向量,根据兴趣的隐性表示获取对应的显式表示,此计算模型提高了兴趣相似性比较的精确程度。同时提出了一种基于学习者兴趣相似匹配度和学习者兴趣匹配浓度的学习社区的自组织算法。针对基于本体的向量空间模型使用本体中的概念构造向量空间表现出的巨大维数,运用概念索引降维法对兴趣特征矩阵进行合理降维,大大减少了计算的复杂性。最后,以网络学习案例来进行实验分析,验证该模型算法具有较高的效率和良好的扩展性。
展开更多
关键词
本体
兴趣特征向量空间模型
概念索引降维
兴趣相似匹配度
兴趣匹配浓度
原文传递
基于本体的VSM在兴趣型学习社区分组中的应用
被引量：
2
2
作者
程艳
许维胜
+1 位作者
赵斐
何一文
《同济大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2010年第5期736-743,共8页
采用语义网络技术,提出了基于本体的向量空间模型(VSM),计算学习者的兴趣向量,克服了传统的VSM有术语间语义相关性被忽略的不足,提高了兴趣相似性比较的精确程度,同时提出了一种基于学习者兴趣相似匹配度和学习者兴趣匹配浓度的学习社...
采用语义网络技术,提出了基于本体的向量空间模型(VSM),计算学习者的兴趣向量,克服了传统的VSM有术语间语义相关性被忽略的不足,提高了兴趣相似性比较的精确程度,同时提出了一种基于学习者兴趣相似匹配度和学习者兴趣匹配浓度的学习社区自组织分组算法.针对模型使用本体中的概念构造向量空间表现出的巨大维数,运用概念索引降维法对兴趣特征矩阵进行合理降维,大大降低了计算的复杂性.最后通过应用案例验证分析了该模型算法具有较高的分组效率和良好的扩展性.
展开更多
关键词
分组算法
本体
兴趣特征
向量空间模型
概念索引法
在线阅读
下载PDF
职称材料
题名
基于本体兴趣特征向量空间模型的社区自组织算法
被引量：
5
1
作者
程艳
许维胜
杨继君
何一文
机构
同济大学电子与信息工程学院
同济大学经济与管理学院
出处
《系统工程》
CSCD
北大核心
2009年第5期96-103,共8页
基金
国家自然科学基金资助项目(70871091
60804042)
文摘
为了解决远程教育不可避免地产生的"孤独"学习者的问题,把具有相同学习兴趣的学习者组织到同一个学习社区中进行协作式学习。学习社区建立的重点和难点在于学习者之间相似关系的判定和计算,针对传统的向量空间模型中术语间语义相关性被忽略的不足,提出基于本体的向量空间模型来计算学习者的兴趣特征向量,根据兴趣的隐性表示获取对应的显式表示,此计算模型提高了兴趣相似性比较的精确程度。同时提出了一种基于学习者兴趣相似匹配度和学习者兴趣匹配浓度的学习社区的自组织算法。针对基于本体的向量空间模型使用本体中的概念构造向量空间表现出的巨大维数,运用概念索引降维法对兴趣特征矩阵进行合理降维,大大减少了计算的复杂性。最后,以网络学习案例来进行实验分析,验证该模型算法具有较高的效率和良好的扩展性。
关键词
本体
兴趣特征向量空间模型
概念索引降维
兴趣相似匹配度
兴趣匹配浓度
Keywords
Ontology
interest eigenvector
Space Model
Concept Indexing Method
interest
Similarity Match-degree
interest
Match Concentration
分类号
G424 [文化科学—课程与教学论]
原文传递
题名
基于本体的VSM在兴趣型学习社区分组中的应用
被引量：
2
2
作者
程艳
许维胜
赵斐
何一文
机构
同济大学电子与信息工程学院
江西师范大学计算机信息工程学院
同济大学经济与管理学院
出处
《同济大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2010年第5期736-743,共8页
基金
国家自然科学基金资助项目(70871091
60804042)
文摘
采用语义网络技术,提出了基于本体的向量空间模型(VSM),计算学习者的兴趣向量,克服了传统的VSM有术语间语义相关性被忽略的不足,提高了兴趣相似性比较的精确程度,同时提出了一种基于学习者兴趣相似匹配度和学习者兴趣匹配浓度的学习社区自组织分组算法.针对模型使用本体中的概念构造向量空间表现出的巨大维数,运用概念索引降维法对兴趣特征矩阵进行合理降维,大大降低了计算的复杂性.最后通过应用案例验证分析了该模型算法具有较高的分组效率和良好的扩展性.
关键词
分组算法
本体
兴趣特征
向量空间模型
概念索引法
Keywords
grouping algorithm
ontology
interest eigenvector
vector space model
concept indexing method
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于本体兴趣特征向量空间模型的社区自组织算法
程艳
许维胜
杨继君
何一文
《系统工程》
CSCD
北大核心
2009
5
原文传递
2
基于本体的VSM在兴趣型学习社区分组中的应用
程艳
许维胜
赵斐
何一文
《同济大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2010
2
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
