基于文本的微學(xué)習(xí)單元層次融合聚類(lèi)研究.pdf

1、隨著無(wú)線網(wǎng)絡(luò)技術(shù)的發(fā)展以及手持移動(dòng)設(shè)備的普及，一種不受時(shí)間和地點(diǎn)限制的學(xué)習(xí)方式──微學(xué)習(xí)（Micro-learning）應(yīng)運(yùn)而生，它使學(xué)習(xí)者利用碎片化時(shí)間獲取知識(shí)成為可能。目前，社會(huì)中越來(lái)越多的人通過(guò)這種非傳統(tǒng)的方式在微博、MOOC等媒體或平臺(tái)環(huán)境中學(xué)習(xí)并獲得知識(shí)。多種多樣的微學(xué)習(xí)平臺(tái)也在不斷建立和發(fā)展，與此同時(shí)各種微學(xué)習(xí)資源也日漸豐富。但是，隨之而來(lái)的是微學(xué)習(xí)資源的碎片化，多個(gè)微學(xué)習(xí)資源之間存在冗余和重復(fù)性，同時(shí)也出現(xiàn)了信息過(guò)載等問(wèn)題

2、。對(duì)于學(xué)習(xí)者來(lái)說(shuō)，很難快速找到適合自己的學(xué)習(xí)資源。因此，對(duì)微學(xué)習(xí)資源進(jìn)行有效的組織將有助于學(xué)習(xí)者提高其學(xué)習(xí)效率。
　　在微學(xué)習(xí)中，微學(xué)習(xí)單元是其最基本的構(gòu)成，由短小的文本、圖片、以及音頻和視頻等資源組成。其中，文本形式的資源是微學(xué)習(xí)的主要資源。本研究從微學(xué)習(xí)單元粒度出發(fā)，嘗試通過(guò)文本聚類(lèi)方法對(duì)微學(xué)習(xí)單元進(jìn)行重組和整合，以幫助學(xué)習(xí)者迅速查找所需要的學(xué)習(xí)知識(shí)，同時(shí)也為其個(gè)性化學(xué)習(xí)打下基礎(chǔ)。本研究主要完成了以下幾方面的工作：
　　

3、（1）在對(duì)微學(xué)習(xí)資源管理及文本聚類(lèi)的研究現(xiàn)狀進(jìn)行調(diào)查研究的基礎(chǔ)之上，對(duì)常用文本聚類(lèi)算法的優(yōu)缺點(diǎn)進(jìn)行了分析，并重點(diǎn)研究和分析了AP算法和凝聚層次聚類(lèi)算法。
　?。?）在AP算法和凝聚層次聚類(lèi)算法的基礎(chǔ)上，提出了基于AP算法的層次融合聚類(lèi)算法。該算法首先通過(guò)AP算法找到數(shù)據(jù)的聚類(lèi)中心，然后采用凝聚層次聚類(lèi)算法將聚類(lèi)中心聚類(lèi)為不同類(lèi)簇，最后將非聚類(lèi)中心點(diǎn)重新劃分至類(lèi)簇中完成聚類(lèi)。
　?。?）結(jié)合文本聚類(lèi)基本處理流程及微學(xué)習(xí)單元數(shù)據(jù)

4、的特點(diǎn)，在構(gòu)建了基于文本的微學(xué)習(xí)單元聚類(lèi)框架的基礎(chǔ)上，實(shí)現(xiàn)了基于文本的微學(xué)習(xí)單元的聚類(lèi)過(guò)程。首先實(shí)現(xiàn)英文文本微學(xué)習(xí)單元分詞，構(gòu)建停用詞表進(jìn)行停用詞處理以及詞干提取。其次提取單元文本特征，綜合微學(xué)習(xí)單元的標(biāo)題和內(nèi)容特征計(jì)算特征權(quán)重，通過(guò)向量空間模型將微學(xué)習(xí)單元文本轉(zhuǎn)化為單元向量。最后應(yīng)用本文算法將微學(xué)習(xí)單元聚類(lèi)為不同的知識(shí)群組。
　　為驗(yàn)證算法的有效性，本文提出的算法與K-means聚類(lèi)算法進(jìn)行實(shí)驗(yàn)對(duì)比，實(shí)驗(yàn)結(jié)果表明，本文提出的方法