面向初等數(shù)學(xué)的知識(shí)點(diǎn)關(guān)系提取研究
關(guān)鍵詞：知識(shí)體系構(gòu)建 關(guān)系提取 注意力機(jī)制 遠(yuǎn)程監(jiān)督 transformer
摘要：隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展,在線教育已經(jīng)改變了學(xué)生的學(xué)習(xí)方式.但由于缺乏完整的知識(shí)體系,在線教育存在著智能化程度低和"信息迷航"的問題.因此,構(gòu)建知識(shí)體系成為在線教育平臺(tái)的核心技術(shù).知識(shí)點(diǎn)間的關(guān)系提取是知識(shí)體系構(gòu)建的主要任務(wù)之一,目前比較高效的關(guān)系提取算法主要是監(jiān)督式的.但是這類方法受限于文本質(zhì)量低、語料稀缺、標(biāo)簽數(shù)據(jù)難獲取、特征工程效率低、難以提取有向關(guān)系等挑戰(zhàn).為此,基于百科語料和遠(yuǎn)程監(jiān)督思想,研究了知識(shí)點(diǎn)間的關(guān)系提取算法.提出了基于關(guān)系表示的注意力機(jī)制,該方法能夠提取知識(shí)點(diǎn)間的有向關(guān)系信息.結(jié)合了GCN和LSTM的優(yōu)勢,提出了GCLSTM,該模型更好地提取了句子中的多點(diǎn)信息.基于Transformer架構(gòu)和關(guān)系表示的注意力機(jī)制,提出了適用于有向關(guān)系提取的BTRE模型,降低了模型的復(fù)雜度.設(shè)計(jì)并實(shí)現(xiàn)了知識(shí)點(diǎn)關(guān)系提取系統(tǒng).通過設(shè)計(jì)3組對比實(shí)驗(yàn),驗(yàn)證了模型的性能和效率.
華東師范大學(xué)學(xué)報(bào)·哲學(xué)社會(huì)科學(xué)版雜志要求:
{1}論文摘要是對論文內(nèi)容的高度概括，通過閱讀摘要，讀者能夠?qū)ξ恼碌膬?nèi)容和主題思想有一個(gè)宏觀、整體的把握。
{2}薦稿文責(zé)自負(fù)。所有作者應(yīng)對稿件內(nèi)容和署名無異議，稿件內(nèi)容不得抄襲或重復(fù)發(fā)表。編輯部對來稿有權(quán)作技術(shù)性和文字性修改。
{3}來稿一般在1個(gè)月內(nèi)提出處理意見，請不要一稿兩投，若1個(gè)月后仍未收到稿件處理通知，作者有權(quán)自行處理來稿。
{4}參考文獻(xiàn)必須以作者親自閱讀過的近5年公開文獻(xiàn)為限，按引用先后順序排于文末，用小方括號(hào)將序號(hào)標(biāo)在引用處右上角處。
{5}文章中如出現(xiàn)附錄(Appendix)或附件等形式的內(nèi)容，統(tǒng)一放在參考文獻(xiàn)之后，它們之間保持適當(dāng)?shù)拈g距。
注：因版權(quán)方要求，不能公開全文，如需全文，請咨詢雜志社
CSSCI南大期刊 1-3個(gè)月下單
