一种基于链接和语义关联的知识图示化方法

摘要：

将海量的知识梳理成人类更容易接受的形式,一直是数据分析领域的难题.大多数传统分析方式直接对知识本身进行总结和描述概念化(conceptualization);而一些教育实践证明,从临近的知识单元进行刻画图示化(schematization)更容易使一个知识点被人类接受.在目前的经典计算机知识表达方法中,知识图示化主要依靠人工整理完成.提出了一种利用计算机自动化完成知识图示化的方法,依托维基百科概念拓扑图,探究概念与其临近概念的关系,并且提出了基于链接的自动筛选最关联概念算法;使用目前最新的神经网络模型Word2Vec对概念间的语义相似度进行量化,进一步改进关联概念算法,提高知识图示化效果.实验结果表明:基于链接的关联概念算法取得了良好的准确率,Word2Vec模型可以有效提高关联概念的排序效果.提出的方法能够准确有效地主动分析知识结构,梳理知识脉络,为科研工作者和学习者提供切实有效的建议.

关键词：知识图示化、概念拓扑图、词嵌入、知识表达、维基百科

所属期刊栏目：54

分类号：TP305(计算技术、计算机技术)

资助基金：中国科学院系统优化基金项目Y42901VED2,Y42901VEB1,Y42901VEB2This work was supported by the Foundation of Chinese Academy of Sciences for System Optimization Y42901VED2,Y42901VEB1,Y42901VEB2

在线出版日期：2017-09-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：1655-1664